深度分析 AI Engram：資訊幾何下的模型記憶編輯與跨架構實驗驗證 本篇報導聚焦於最新的 AI Engram 研究，提出一套以神經科學四大原則（特異性、再活化、充分性、必要性）為基礎的幾何逆問題，成功從深度神經網路的全局參數中分離出可辨識的記憶單位。研究展示了封閉式估計器能即時以線性算術編輯知識，無需迭代優化，且在從簡單的 MLP 到上億參數的大型語言模型皆具備可擴展性。
