Mappe cognitive
Mappe strutturate come substrato per analogia e controfattuale, tratte dalle neuroscienze e testate rispetto alla nostra libreria di memoria.
Un'unica architettura su un asse continuo, allevata sullo stack.
Esplora LoominumEnterprise
Ricerca
Scienza
Chi siamo
Mappe cognitive, binding strutturato e come il cervello compone: applicato alla cognizione artificiale.
Un crescente corpo di neuroscienze suggerisce che la cognizione sia sostenuta da mappe strutturate che legano le entità ai ruoli e compongono attraverso i domini. Il nostro programma scientifico prende sul serio tutto questo: costruiamo sistemi artificiali che condividono quei principi organizzativi e li valutiamo su compiti progettati per discriminare la composizione dalla memorizzazione.
appiattisce entità, ruoli e mondi in un unico spazio di embedding, sperando che una rete più profonda riesca di nuovo a districarli.
le mappe cognitive trattano entità, ruoli e mondi come oggetti strutturali distinti, e li valutiamo su compiti che ti puniscono ogni volta che li ripieghi.
Mappe strutturate come substrato per analogia e controfattuale, tratte dalle neuroscienze e testate rispetto alla nostra libreria di memoria.
Come si comporta il binding ruolo-riempitore sotto scambio di ruoli e valutazione tenuta fuori dal training — e cosa salta fuori quando non lo fa.
Come la memoria a lungo termine consolida senza sovrascrivere i mondi precedenti, misurata rispetto a controlli amnesici.
Tenuto fuori dal training, multi-seme. La stessa classe di modello valutata sotto due regimi di binding. Dove il sistema ha slot espliciti, lo scambio di ruoli e le combinazioni tenute fuori non sono avversari.
La vittoria è il regime di binding, non l'architettura. Misuriamo la stessa famiglia di backbone in entrambe le colonne, così il confronto isola la scelta strutturale.
Un controllore che consolida conserva ogni mondo che ha visto. Un controllore amnesico — stessi dati, stesso calcolo, nessun consolidamento — perde i mondi precedenti man mano che ne arrivano di nuovi.
La scommessa che sopravvive è sull'obiettivo e sul binding. Dove un'allettante affermazione architetturale non lo fa, lo diciamo sulla pagina.
Sotto un test A/B pulito in cui due backbone condividono la stessa regola di apprendimento, il substrato evolutivo non batte un transformer forte sulla ritenzione per tutta la vita. Lo diciamo.
misurato · retain 0.66 ± 0.25 vs 0.94 ± 0.03
Un transformer raggiunge un punteggio di naming perfetto sullo stesso harness. La vittoria nel naming è l'obiettivo e l'allevamento, non il substrato.
misurato · transformer naming = 1.00 held-out
Su n=5 semi il divario tra il substrato evolutivo e la baseline forte rientra ampiamente nelle barre di errore. Lì non rivendichiamo una vittoria del substrato.
misurato · gap inside ± 0.24
Pubblichiamo i negativi. Dove un'affermazione basata su priori architetturali non sopravvive a un test A/B pulito, lo diciamo. La scommessa che sopravvive è sull'obiettivo e sul binding, non su quale substrato imprimi sopra.
Gli stessi primitivi di binding e consolidamento emergono in tutti i nostri programmi di ricerca — memoria strutturata, valutazioni, allineamento — e in ogni sistema di produzione a lunga esecuzione che rilasciamo.