热点事件持续更新
REALM：因果LFP行为解码的回顾式知识蒸馏框架
1 篇报道1 家媒体或机构2 小时前更新
先了解这件事
AI 综述
2026年10月27日，Lin Du团队在arXiv q-bio.NC发表预印本，提出REALM框架，用于因果LFP行为解码。该框架采用回顾性知识蒸馏：先以连续掩码自编码（CMAE）跨多个记录会话预训练双向Mamba-2教师模型，再通过表征对齐与自编码的联合目标，把教师模型的知识蒸馏到紧凑的因果学生模型。报道未提及实验数据、性能对比或“首个”等最高级表述。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
Lin Du团队提出REALM，以回顾性知识蒸馏将双向LFP教师模型迁移为因果学生模型。全部报道
同一件事各家媒体的报道，按发布时间排列。事情有了新的进展时，会单独列在「事件进展」里。
10月27日
- arXiv q-bio.NC（Neurons and Cognition）精选Lin Du 团队提出 REALM：用回顾性知识蒸馏实现因果 LFP 行为解码
Lin Du 团队提出 REALM，一个面向因果 LFP 行为解码的回顾性知识蒸馏框架，把预训练的多会话双向 LFP 教师模型的知识迁移到紧凑的因果学生模型。团队先用连续掩码自编码（CMAE）跨多个记录会话预训练双向 Mamba-2 教师模型，再以表征对齐与自编码的联合目标蒸馏到因果学生模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。