预测性联想记忆：通过时间共现实现超越相似性的检索

当前神经系统的记忆方法依赖于基于相似性的检索：给定一个查询，找到最表征相似的存储状态。这一假设未能捕捉生物记忆的一个基本特性——通过时间共现进行联想。本文提出了一种名为预测性联想记忆（PAM）的架构，其中一种JEPA风格的预测器通过连续体验流中的时间共现进行训练，从而学习在嵌入空间中导航联想结构。我们引入了一个Inward JEPA，用于处理存储的经验（预测联想可达的过去状态），作为标准Outward JEPA（处理传入感官数据，预测未来状态）的补充。我们将PAM作为联想回忆系统进行评估，测试其对已体验联想的回忆准确性，而非泛化到未见联想的检索系统。在合成基准测试中，预测器的Top检索结果中有97%是真正的时间关联体；在余弦相似度为零的情况下，跨边界召回率达到了0.421；并且能够以0.916的AUC区分共同经历与从未共同经历的状态（余弦相似度为0.789）。即使限制在嵌入相似性无信息的跨房间配对中，预测器仍能取得0.849的AUC（余弦相似度为0.503，随机猜测为0.5）。时间打乱对照实验确认了信号源于真实的时间共现结构，而非嵌入几何：打乱后跨边界召回率下降90%，且结果在不同训练种子下稳定（SD < 0.006）。