MetaLearnNCA：NCA 互作实现少样本离线元学习

Etienne Guichard 和 Stefano Nichele 提交论文，提出 MetaLearnNCA，一个通过耦合神经细胞自动机（NCA）的动态交互实现少样本任务适配的去中心化元学习框架，并称推理时无需计算解析梯度。 该框架把适配拆成两部分：Active-NCA 执行任务推理，Meta-NCA 充当去中心化细胞优化器，通过扩散空间误差残差动态更新 spatial program。论文以 arXiv:2610.08479 发布，目前结论均出自作者自述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。