热点事件持续更新
论文提出连贯认知缩放原则与Co⁴架构
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.AI 刊出的一篇论文提出以「有效连贯认知速度」S_C^eff 作为衡量 AI 系统在现实持续变化下能否可靠感知、推理与行动的新基准，并据此主张把连贯认知的缩放作为可靠 AI 的原则。论文给出实验设定：在算力固定、不重新训练的前提下，把现实变化速度 S_R 提升至 50 倍，受细胞机制启发的 Co⁴ 架构的 S_C^eff 明显高于 Transformer 与 gated-MLP 基线。报道未披露该实验的具体数据、任务设置与同行评审情况，也未说明该指标如何在不同系统间标准化比较。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
新论文实验显示，不重训练、S_R 提至 50× 时 Co⁴ 的 S_C^eff 明显高于 Transformer 等基线。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AI当现实超越认知：Co^4 架构用 S_C^eff 提出可靠智能的新缩放原则
研究者提出用有效连贯认知速度 S_C^eff 衡量 AI 系统在现实持续变化下能否可靠感知、推理与行动，并将其作为新基准。在算力固定、不重新训练的前提下把现实速度 S_R 提升至 50×，受细胞机制启发的 Co^4 架构的 S_C^eff 明显高于 Transformer 与 gated-MLP 基线。作者据此主张将连贯认知的缩放作为可靠 AI 的原则。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。