PNSN
一种实验性神经网络架构，将参数组织为独立集合，通过可训练检索机制（IRM）按需激活子网络，旨在缓解灾难性遗忘并降低计算成本
时间轴 (近 90 天)
开发者公开了名为PNSN（Persistent Neural State Network）的实验性AI架构，通过参数模块化与可训练检索机制试图解决灾难性遗忘。
PNSN将参数组织成独立的集合，每个集合是专精于特定知识或模式的子网络。
PNSN使用索引和可训练的检索机制（IRM）选择最相关的参数集合参与计算。
开发者承认AI助手帮助生成了PNSN相当比例的代码。
实验只使用了三个集合和五个训练样本，结果不能确立稳健的泛化能力，也不能证明PNSN防止了灾难性遗忘。
PNSN开发者提到一个尚未测试的问题：具有不同网络架构或参数形状的集合能否在同一系统中共存并被检索。
PNSN属于参数隔离路线，通过将知识分散到独立集合并借助可训练路由按需激活，理论上可避免更新一个集合时波及其他集合。
开发者表示本地硬件限制了对某些实验的测试程度。
全部知识事实 (8)
开发者公开了名为PNSN（Persistent Neural State Network）的实验性AI架构，通过参数模块化与可训练检索机制试图解决灾难性遗忘。
50%待验证PNSN将参数组织成独立的集合，每个集合是专精于特定知识或模式的子网络。
50%待验证PNSN使用索引和可训练的检索机制（IRM）选择最相关的参数集合参与计算。
50%待验证开发者承认AI助手帮助生成了PNSN相当比例的代码。
50%待验证实验只使用了三个集合和五个训练样本，结果不能确立稳健的泛化能力，也不能证明PNSN防止了灾难性遗忘。
50%待验证PNSN开发者提到一个尚未测试的问题：具有不同网络架构或参数形状的集合能否在同一系统中共存并被检索。
50%待验证PNSN属于参数隔离路线，通过将知识分散到独立集合并借助可训练路由按需激活，理论上可避免更新一个集合时波及其他集合。
50%待验证开发者表示本地硬件限制了对某些实验的测试程度。
50%