FEM-ASM：分离存储、执行与神经协调
原文标题：Beyond the Parameter Monolith: Reconstructive Memories, Executable Skills, and Residual Assembly for Language Models
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文探索 FEM-ASM 架构，将上下文计算、持久存储与精确执行分离，而非通过单一参数系统更新全部能力。系统包含 52,809 个重建式记忆元素，重建 token 准确率约 75%，并用支持感知的词法索引实现可寻址。作者以受控实验与负面结果呈现，指出仅问题检索、无限制答案生成与端到端效率等尚未解决的问题。
- 问题
- 语言模型能否将上下文计算、持久存储与精确执行分离，而非全塞进参数。
- 方法
- 受有限元启发的FEM-ASM组织，独立文档状态与确定性技能向共享状态提交类型化提案，残差算子协调。
- 结果
- 52,809个重建式记忆元素，重建token准确率约75%，未建立有竞争力的通用能力。
- 影响
- 以负面结果呈现分离式架构的边界，为探索记忆与执行解耦的团队提供参考。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。