热点事件持续更新
异构延迟助力低比特脉冲神经网络高效计算
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月28日，一篇发布在arXiv计算神经科学方向（Neural and Evolutionary Computing）的预印本提出，在前馈脉冲神经网络中联合学习突触权重与延迟，利用异质性延迟使权重压缩超过一个数量级，同时保持有竞争力的性能。该工作目前仅为预印本，尚未经同行评审，报道中未给出具体数据集、网络规模与准确率数值。此前未见关于该研究的其他报道，事件目前处于单一预印本阶段，后续是否正式发表、是否有独立复现或评论尚不明确。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 12:00
arXiv预印本提出联合学习权重与延迟，权重压缩超一个数量级仍保持竞争性能。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Neural and Evolutionary Computing利用异质性延迟实现低比特神经网络的高效计算
在前馈脉冲神经网络中联合学习权重与延迟，异质性延迟使权重压缩超过一个数量级仍保持竞争性能。
本事件热度走势
当前热度 4·可比范围峰值 4（10月28日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。