热点事件持续更新
Atlas神经元无反向传播持续学习20任务达96.7%
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
iarthsingh 提出 Atlas 神经元，可在无 replay、无任务标签、无反向传播的条件下逐个学习任务而不遗忘。据 AGI Hunt 2026 年 10 月 1 日报道，在 Permuted MNIST 上连续学习 20 个任务后，Atlas 神经元仍保持 96.7% 的准确率；而同样设置下顺序训练的 MLP 仅剩 45%。报道称该方法属于非典型训练范式，具体细节在原帖线程中展开。目前公开信息均来自这一篇报道与原帖线索，尚未见其他来源给出独立复现或方法细节，事件后续进展有待更新。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- AGI HuntAtlas 神经元：无反向传播也抗遗忘，20 任务后达 96.7%
iarthsingh 提出 Atlas 神经元，可在无 replay、无任务标签、无反向传播的条件下逐个学习任务而不遗忘。在 Permuted MNIST 上连续学习 20 个任务后仍达 96.7% 准确率，而同样设置下顺序训练的 MLP 仅剩 45%。该方法属非典型训练范式，具体细节在原帖线程中展开。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。