摘要
本文研究利用冻结编码器潜在空间上的预测误差（惊奇）信号，同时作为可塑性门控和元认知基础。系统一构建非参数情景记忆，仅在高惊奇时写入新概念，并通过离线回放巩固记忆，显著提升了在持续数据流中的保留率及少-shot 性能。系统二将该信号用于调节视觉 - 语言模型行为，使其能区分已知与新颖概念，实现从单次交互中学习并拒绝识别未知对象。实验表明，该机制在检测新颖性和事实回忆方面远超基线模型。
AI 推荐理由
论文核心提出基于预测误差的非参数情景记忆架构，解决持续学习中的遗忘问题。
论文信息