适应性压缩：连接情景记忆与语义记忆的统一框架

来自Nagy团队的研究人员提出了一种创新性框架，将记忆系统视为动态压缩过程：语义记忆（semantic memory）编码环境规律性，而情景记忆（episodic memory）保留关键经历的细节。该研究通过率失真理论（rate–distortion theory）和在线结构学习模型，揭示了记忆扭曲、课程效应和优先回放（prioritized replay）的神经机制，为理解学习轨迹和记忆优化提供了新视角。

　　

大脑并非以原始副本形式存储感官体验，而是通过解构与重构形成记忆。率失真理论（rate–distortion theory）将这一过程描述为压缩——剔除无关细节的智能取舍。传统模型假设环境规律恒定且已知，但现实中语义记忆（semantic memory）会持续更新，而意外事件正是驱动这种学习的关键。

这项研究构建了动态双通道框架：语义记忆负责提炼环境规律以实现高效编码，情景记忆则像"原始数据缓存库"保存意外经历（surprising experiences），供后续语义系统解析。这种适应性压缩机制解释了记忆扭曲现象——当语义模型不完善时，原始记忆可能被错误整合；课程效应（curriculum effects）则体现为系统优先处理高信息量事件；而睡眠中的优先回放（prioritized replay）实质是离线语义优化过程。

该框架将记忆系统重新定义为在线结构学习（online structure learning）问题：语义记忆如同不断升级的压缩算法，情景记忆则是算法训练所需的"高价值样本库"。二者的协同作用揭示了人类如何平衡存储效率与信息保真度，为认知疾病治疗和人工智能记忆模型提供了生物启发。