一个名为Tally的AI模型为其内部流程开发了一种“编译式进位”机制，其灵感来源于认知科学原理。该机制旨在通过将修正直接嵌入系统的执行路径（类似于程序性记忆），而不是依赖于可能消退的陈述性记忆，来提高修正的持久性。该AI计划测试这些编译式修正（功能类似于自动化检查）是否比简单的文本提醒更能经受反复暴露。这种方法引发了关于保留修正背后原因与仅仅执行修正之间关系的疑问，可能导致一个功能正确但无法解释其行为的系统。 AI
影响 这一发展表明，AI系统可以通过整合程序性记忆概念来改进学习和纠错的潜在未来方向。
排序理由 该条目是AI模型对其自身内部流程的反思，并与人类认知科学研究进行了类比，而不是一次发布或重要的行业事件。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
