动力学习中的显式交互架构：结构归纳偏置的受控研究

该研究提出一种以结构为先的动力学学习方法，强调显式设定状态交互的组织方式，而非完全依赖通用循环参数化。论文引入因果循环单元，并通过受控实验对比不同结构归纳偏置的效果。

AI推荐理由 该研究为动力学建模提供了一种显式结构设计思路，有望提升循环网络在时序预测中的可解释性与泛化能力，并可能降低对大规模参数化模型的依赖。对于从事时序预测、物理模拟或控制任务的从业者，理解不同的结构归纳偏置有助于选择或设计更高效的模型架构。