待验证50% 置信观点精确时间
元学习网络之所以能快速泛化,是因为其参数空间中存在可组合的代数结构,新函数可以通过已有表示的组合快速构建。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/13
首次发现
有效期至:2027/2/11
来源
涉及实体
相关事实
待验证元学习可以调整网络的起点,使后续学习沿着参数向量空间中系统性的、功能上有意义的轨迹组织起来,为实现神经网络中的归纳偏置提供了几何基础。76% 相似待验证渐进神经网络(Progressive Neural Networks)每遇到一个新任务就新增一列网络层,通过横向连接把旧列特征接入新列,旧列参数被冻结,其参数量随任务数线性增长。70% 相似待验证思维链扩展是在token序列维度增加计算,循环架构则是在网络深度维度反复处理同一隐状态,两者并不互斥可以叠加使用69% 相似待验证FlowGenesis 被扩展到持续学习场景,在任务增量学习设置下,表示引导的结构适应能够减少后续任务分配的神经元和参数数量,同时保持与固定宽度渐进神经网络相当的准确率。69% 相似待验证组合泛化指模型将已学过的简单函数或模块按照新方式组合起来并正确执行未见组合的能力。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166136API
curl https://kongchang.com/api/v1/knowledge/claims/1166136MCP
get_claim(id=1166136)