待验证50% 置信事实精确时间

在BDH架构中，相关联的神经元活动会对连接产生类似赫布学习的更新，使工作记忆获得突触层面的解释

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

Transformer、RNN、SSM：AI模型的记忆到底藏在哪里？

涉及实体

BDHmodel 赫布学习concept

相关事实

待验证赫布学习的核心思想被概括为「一起激发的神经元，连接会加强」，只需突触两端神经元的局部激活状态即可完成权重更新77% 相似已验证人脑通过海马体与新皮层的协同机制（互补学习系统理论）实现快速学习与长期记忆巩固的分离73% 相似已验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念69% 相似待验证模式分离将相似的输入转化为差异化的神经表征，模式完成则根据部分线索重建完整记忆68% 相似已验证后见之明偏差涉及记忆重构机制：当得知结果后，大脑会自动将结果信息整合进原有知识结构，使与结果一致的线索更突出68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/981677

API

curl https://kongchang.com/api/v1/knowledge/claims/981677

MCP

get_claim(id=981677)