arXiv cs.AI· Hyewon Kang, Jungmin Lee, Ilgyu Lee, Seok-Jun Hong·· 10 天前AI 评分23
ReGraph：双视觉流"what"与"where"中涌现泛化的计算解释
ReGraph: A Computational Account of Emergent Generalization in the "what" and "where" Dual Visual Streams
AI 导读
研究者提出 ReGraph——一种带生物归纳偏置的循环双流图模型，包含视网膜驱动的流特化编码、背侧到腹侧调制和动态侧向连接，在 Something-Something V2 动作基准上训练。结果显示，上下文不变编码与网格状空间基仅在扩展背侧通路中共同涌现，单流、无调制变体和标准基线中均不出现。事后分析表明，这些网格状基可作为可复用的路由模板，通过侧向连接支持信息处理。
正文 · AI 翻译
摘要：泛化能力——即提取情境不变的关系结构的能力——最初在何处出现，仍是人工智能与神经科学的核心问题。这种能力的基础位于海马体上游的内嗅皮层内，其中平行通路将内侧内嗅皮层（MEC）中的关系结构与外侧内嗅皮层中的感觉内容分离开来。然而，正如 Eichenbaum 所论证的，这种因子化可能起源更早，由背侧（“何处”）与腹侧（“什么”）视觉流的分离所驱动。支持这一点的是，网格样放电模式——MEC 的标志（情境不变编码）——也出现在背侧通路之前的新皮层区域。然而，这些表征如何沿上游通路在计算上形成仍属未知。为在计算机中研究这一问题，我们开发了 ReGraph，一种具有生物学归纳偏置的循环双流图模型，包括视网膜驱动的流特化编码、背侧到腹侧的调制以及动态侧向连接。在动作基准 Something-Something V2 上训练后，ReGraph 揭示了关系映射的通路特异性涌现：情境不变编码与网格样空间基独特地在扩展背侧通路上共同涌现。相比之下，它们在单流、无调制变体以及标准基线中的缺失，意味着这些归纳偏置是关系结构的先决条件。至关重要的是，我们的事后分析表明，这些网格样基通过侧向连接充当信息处理的可复用路由模板。总之，我们的发现提供了一种计算解释：泛化可能并非在某个专门区域内突然涌现的官能，而是一种在感觉信息被解析为层级视觉处理的因子化流时就已经形成的属性。
| 评论： | 29 页，6 幅图 |
| 主题： | 神经与进化计算（cs.NE）；人工智能（cs.AI）；神经元与认知（q-bio.NC） |
| 引用为： | arXiv:2610.07962 [cs.NE] |
| （或 arXiv:2610.07962v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07962 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hyewon Kang [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 08:30:45 UTC（15,805 KB）
来源：arXiv cs.AI · arxiv.org