热点事件持续更新
提出边缘SNN边推理边学习框架BSD
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv Neural and Evolutionary Computing（一手）报道，研究提出双向脉冲蒸馏（BSD），让边端SNN在推理过程中持续学习。BSD耦合刺激驱动的前向网络与目标驱动的反向网络，通过局部目标对齐中间表示，使前向推理、反向推理与分阶段更新并行执行；在SOUL五种感知模态的25个基准上，平均与匹配BP基线相差3.8个百分点，部署仅需前向分支，训练延迟降至BP的0.72×、训练能耗降至0.36×。
AI 根据报道生成 · 15 小时前更新
最新进展10月5日 12:00
BSD实现边端SNN推理中学习，25个基准平均差BP基线3.8个百分点，训练能耗降至0.36×。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Neural and Evolutionary Computing边端 SNN 如何在推理中学习：跨感知模态的局部并行学习
研究提出双向脉冲蒸馏（BSD），让边端 SNN 在推理过程中持续学习。BSD 耦合刺激驱动的前向网络与目标驱动的反向网络，通过局部目标对齐中间表示，使前向推理、反向推理与分阶段更新并行执行；在 SOUL 五种感知模态的 25 个基准上，平均与匹配 BP 基线相差 3.8 个百分点，部署仅需前向分支，训练延迟降至 BP 的 $0.72\times$、训练能耗降至 $0.36\times$。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。