学习访问计算：可访问性可塑性作为自适应智能的原理

arXiv:2607.22748v1 公告类型：新 摘要：现代神经网络主要通过预定义计算结构内的参数修改来适应。虽然最近的方法引入了模块化、条件计算和参数高效自适应，但它们通常不将计算能力与计算可访问性区分为单独的自适应变量。这项工作引入了可访问性可塑性，这是一种自适应计算的原理，其中系统不仅通过改变存在的计算来适应，而且还通过重新组织哪些现有计算可以交互和参与来适应。我们通过基于关系的操作实现将可访问性可塑性正式化，并建立了重用优先的适应层次结构，其中可访问性修改先于成本更高的功能和结构变化。对顺序学习任务的概念验证评估表明，可访问性适应可以减少能力修改，同时保持可比较的任务性能。这些结果表明可访问性是一个独特的自适应维度，并为未来的动态神经系统提供了基础，其计算关系随着环境的变化而变化。