实体
Global Workspace Theory
Global Workspace Theory
PulseAugur coverage of Global Workspace Theory — every cluster mentioning Global Workspace Theory across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的注意力机制增强了多模态AI的鲁棒性
研究人员开发了一种新的注意力机制，旨在提高多模态AI系统的鲁棒性，特别是在处理嘈杂或不可靠的数据输入时。该机制受全局工作空间理论的启发，采用了一种轻量级的自上而下的模态选择器，该选择器作用于一个固定的多模态全局工作空间。与传统的端到端注意力方法相比，这种方法需要更少的训练参数，并且在不同任务和损坏类型之间展示了更好的学习选择策略的可迁移性。
-
新的 OCIL 框架使用全局工作空间模型增强学习
研究人员开发了一种新颖的在线类别增量学习 (OCIL) 框架，该框架解决了在处理非 i.i.d. 数据流时平衡模型稳定性和可塑性的挑战。该方法受全局工作空间理论 (GWT) 的启发，利用全局工作空间模型 (GWM) 作为共享的隐式内存来指导多个学生模型。该 GWM 通过融合学生参数形成，并定期重新分配以稳定学习并促进跨任务一致性。此外，多级协作蒸馏机制通过将学生模型与 GWM 对齐来确保同伴之间的一致性并保留历史知识，从而在各种 OC…