跨架構生成

深度分析

基於 Weight Transformer 的 MetaNCA 本地化規則：跨架構模型壓縮與生成

研究指出，MetaNCA透過本地規則在計算圖上自組織權重，能為MLP、CNN與ResNet等多種架構自動生成參數，且在MNIST與CIFAR‑100測試中達到高準確度，顯示此方法具備跨架構推廣與模型壓縮潛力。此外，訓練過程只需局部訊息，規則網路本身僅數萬參數，實現高達16倍的壓縮率。