.png){kind=icon}
返回
Tuning tasks to how we learn
.png){kind=icon}
PRE
AI
DOI：10.1038/s41562-026-02508-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
练习问题的组成部分通常会提高之后在完整问题上的表现，但也可能阻碍表现。Mi和Summerfield认为，“分而治之”的方法在组成部分与低成本的启发式学习策略良好匹配时能够成功，并能使学习者采用更复杂、更优化的策略。
期刊
IF:
15.9
论文数:
499
被引数:
1.7W
机构
引用论文
Parallel trade-offs in human cognition and neural networks: The dynamic interplay between in-context and in-weight learning人类与神经网络中情境学习和权重学习之间的动态相互作用
PREAI
分享收藏Compositional pretraining improves computational efficiency and matches animal behaviour on complex tasks组合预训练可提高计算效率并匹配复杂任务中的动物行为
PREAI
分享收藏Computation noise promotes zero-shot adaptation to uncertainty during decision-making in artificial neural networks.png)
SCIENCE ADVANCES
OAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏分享收藏 没有更多内容
没有更多内容