Oscillatory Delta Networks：相位寻址关联记忆

基于摘要分析。该研究针对线性注意力及 delta-rule 变体中固定大小矩阵记忆的写入干扰，提出 Oscillatory Delta Networks（ODN）：在每次 delta-rule 写入前，沿保体积轨道搬运记忆，使键值关联同时由内容键和内部写入时间寻址。其主要研究对象是序列关联记忆与语言建模，而非 EEG 或 BCI。 机制与理论：作者分析认为，训练后的 DeltaNets 会产生高度相关的键，从而发生相互覆盖；正交键才能充分利用此类记忆容量。旋转版本 ODN-SO(2) 为每个注意力头设置一个输入依赖时钟，用于推进一组振荡器，通过相位变化降低有效地址的重叠。作者报告证明：在适当的振荡频谱与时钟条件下，即使所有写入使用同一个键，振荡式内容寻址也能达到记忆的理论容量上限，而静态内容寻址仅保留最近写入的值。ODN-SL(2) 将记忆搬运扩展为特殊线性变换，并在同一时钟下学习各轨道的几何形态；具体证明条件与更新公式尚未验证。 实验与证据边界：作者报告，ODN-SO(2) 和 ODN-SL(2) 在语言建模中优于 Gated DeltaNet、Selective Rope 和 Kimi Delta Attention（KDA），且相比通道级门控路线更有效、参数效率更高。摘要未提供数据集、模型规模、指标数值、训练预算或评估划分，无法据此判断优势幅度及比较条件；实验协议、消融及统计信息尚未验证。生物脑回路中的振荡相位依赖短期记忆编码是设计灵感，不构成神经信号应用验证。 平台推测（待验证）：假设 EEG 序列编码中存在相关输入反复写入并覆盖长期信息的问题，相位寻址可能提供可检验的记忆机制。可复用的是 delta-rule 矩阵状态与记忆搬运操作，需改造 EEG 输入编码、时间尺度及任务监督接口；内部时钟不能直接等同于 EEG 生理相位。低信噪比、跨被试差异、通道变化和小数据可能使时钟学习不稳定。一个小规模检验是在固定 EEG 数据划分及匹配训练预算下，对照 Gated DeltaNet 与 ODN-SO(2)，观察长时依赖任务表现及有效写入地址重叠是否同步改善。已有 EEG 相关工作尚未检索确认。