Cartes cognitives
Des cartes structurées comme substrat de l’analogie et du contrefactuel, inspirées des neurosciences et testées sur notre propre bibliothèque de mémoire.
Une architecture sur un axe continu, élevée sur la stack.
Découvrir LoominumEntreprise
Recherche
Science
À propos
Cartes cognitives, liaison structurée et mécanismes de composition du cerveau — appliqués à la cognition artificielle.
Un corpus croissant de neurosciences suggère que la cognition repose sur des cartes structurées qui lient les entités à des rôles et se composent à travers les domaines. Notre programme scientifique prend cela au sérieux : nous construisons des systèmes artificiels qui partagent ces principes organisateurs, et nous les évaluons sur des tâches conçues pour discriminer la composition de la mémorisation.
aplatissent entités, rôles et mondes dans un seul espace de plongement, en espérant qu’un réseau plus profond les démêlera à nouveau.
les cartes cognitives traitent entités, rôles et mondes comme des objets structurels distincts, et nous évaluons sur des tâches qui pénalisent tout repliement de ces objets.
Des cartes structurées comme substrat de l’analogie et du contrefactuel, inspirées des neurosciences et testées sur notre propre bibliothèque de mémoire.
Comment la liaison rôle-remplisseur se comporte sous échange de rôles et évaluation réservée — et ce qui s’effondre lorsqu’elle échoue.
Comment la mémoire à long terme se consolide sans écraser les mondes antérieurs, mesurée face à des contrôles amnésiques.
Réservé, multi-graines. La même classe de modèle évaluée sous deux régimes de liaison. Là où le système dispose d’emplacements explicites, l’échange de rôles et les combinaisons réservées ne sont pas adverses.
Le gain tient au régime de liaison, pas à l’architecture. Nous mesurons la même famille de backbone dans les deux colonnes afin que la comparaison isole le choix structurel.
Un contrôleur qui consolide conserve chaque monde qu’il a rencontré. Un contrôleur amnésique — mêmes données, même calcul, sans consolidation — perd les mondes antérieurs à mesure que de nouveaux arrivent.
Le pari qui survit porte sur l’objectif et la liaison. Là où une affirmation architecturale séduisante ne survit pas, nous le disons sur la page.
Sous un test A/B propre où deux backbones partagent la même règle d’apprentissage, le substrat développemental ne bat pas un transformeur robuste sur la rétention tout au long de la vie. Nous le disons.
mesuré · retain 0.66 ± 0.25 vs 0.94 ± 0.03
Un transformeur atteint un score de dénomination parfait sur le même harnais. Le gain en dénomination tient à l’objectif et à l’élevage, pas au substrat.
mesuré · transformer naming = 1.00 held-out
Sur n=5 graines, l’écart entre le substrat développemental et la base robuste reste bien à l’intérieur des barres d’erreur. Nous ne revendiquons pas de gain de substrat ici.
mesuré · gap inside ± 0.24
Nous publions les négatifs. Là où une affirmation fondée sur des a priori architecturaux ne survit pas à un test A/B propre, nous le disons. Le pari qui survit porte sur l’objectif et la liaison, et non sur le substrat que l’on appose par-dessus.
Les mêmes primitives de liaison et de consolidation réapparaissent dans nos programmes de recherche — mémoire structurée, évaluations, alignement — et dans chaque système de production de longue durée que nous livrons.