突破类脑模型性能瓶颈：校正频率偏置实现性能与能效双突破｜NeurIPS 2025

香港科技大学（广州）等团队在NeurIPS 2025的研究揭示，脉冲神经网络（SNN）性能受限主因并非二进制激活，而是其神经元作为低通滤波器导致高频信息丢失。通过引入高通算子，团队提出Max-Former架构，在ImageNet上以更少参数实现82.39%准确率，并降低能耗超30%；该机制在Max-ResNet中亦显著提升精度，为SNN优化提供新方向。
来源：https://mp.weixin.qq.com/s/ulixGCRq53jdQaIv1k_EDg