速報
預測誤差門控與元認知：新型記憶與視覺語言模型的雙重突破
本研究探討利用小型預測器在凍結編碼器潛在空間產生的預測誤差訊號，作為可塑性門檻與元認知基礎。第一套系統結合非參數式情節記憶與離線重播，於凍結的 DINOv2 或 I‑JEPA 骨幹上持續學習 1000 個 ImageNet 類別，顯示出顯著的記憶保持與少樣本表現。
速報
本研究探討利用小型預測器在凍結編碼器潛在空間產生的預測誤差訊號，作為可塑性門檻與元認知基礎。第一套系統結合非參數式情節記憶與離線重播，於凍結的 DINOv2 或 I‑JEPA 骨幹上持續學習 1000 個 ImageNet 類別，顯示出顯著的記憶保持與少樣本表現。
速報
機器人在回應「我把鑰匙放哪？」或說明任務失敗原因時，需口語化過往經驗，但持續多模態感知會讓情節記憶暴增，影響儲存與即時查詢。H^2-EMV提出透過使用者互動學習要記什麼：系統以分層的情節記憶架構儲存資訊，採語言模型評估相關性執行選擇性遺忘，並根據使用者回饋更新自然語言規則。