MAIN 2026 报告：从突触可塑性借鉴稳健学习，破解神经网络漂移难题

在 MAIN 2026 会议上，渥太华大学 Jean-Philippe Thivierge 作报告，探讨将内在反馈与突触可塑性的内在稳定化机制引入人工神经网络，以提升学习的稳健性。报告还结合神经科学中的“自上而下处理”等经验，映射 AI 的鲁棒学习问题，属于 NeuroAI 交叉方向的会议动态。