arXiv · cs.AI · Li Sun, Philip S. Yu · 9 小时前模型评分28
几何形态学习：让基础模型从结构走向时空智能
Geometric Morphology Learning: Empowering Foundation Models from Structure to Spacetime Intelligence
导读
研究者提出几何形态学习框架，通过构建连接局部与全局结构的神经丛（neural bundle）并定义可微的连接与曲率算子，让深度学习能够建模对象的內在几何与拓扑结构。该框架可应用于基础模型、推理与规划、图建模、物理仿真及偏微分方程系统，目标是让 人工智能（AI，Artificial Intelligence） 系统性地掌握几何。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To bridge this gap, we establish a new learning framework--Geometric Morphology Learning--that learns geometric or topological structures, shapes or conformations for representation learning, reasoning and action modeling.”
来源：arXiv · cs.AI · arxiv.org