据 ai987.cn 于 2026 年 9 月 16 日收到的消息 ‣ Unconventional AI 于 9 月 10 日宣布了其 2026 年非常规拨款的获奖者名单。该机构成立之初便持有一个观点：构建强大人工智能系统的主流路径并非唯一选择，许多替代方案因难以获得资金支持而未被充分探索。此次拨款旨在资助那些敢于质疑领域内既定假设的研究项目，优先考虑具有良好定义的冒险而非安全的增量改进。

作为试点项目，主办方收到了近 100 份申请，显示出研究界对探索未经验证假设的浓厚兴趣。最终，五个来自不同顶尖高校的项目入选，每个团队将获得 10 万美元资助。这些项目涵盖斯坦福大学、德克萨斯大学奥斯汀分校、耶鲁大学、麻省理工学院以及加州大学伯克利分校。

斯坦福大学的 Thierry Tambe 团队致力于研发一种感知数据保留的 AI 处理器。该方案将数据保留视为一种架构资源，结合传统 SRAM 与高密度短时内存及长时内存，通过新编译器调度数据放置，以解决日益增长的内存墙问题并降低能耗。

德克萨斯大学奥斯汀分校的 William Gilpin 团队假设推理过程中的减速现象是瞬态混沌的结果。他们计划识别现代推理架构中分形的出现，并开发机械可解释性工具，以区分内在计算复杂度与架构限制，从而制定缓解推理陷阱的协议。

耶鲁大学的 Logan Wright 团队关注物理神经网络的噪声问题。他们计划将物理神经网络理论应用于电子硬件，推导适合物理 AI 硬件的工程智慧，并提出符合现实硬件约束的协同设计架构。

麻省理工学院的 Yoon Kim 团队探索深度循环递归 Transformer。通过复用网络部分参数，该技术旨在解耦模型深度与大小，在数百或数千次循环模式下提升性能并减少内存带宽需求。

加州大学伯克利分校的 Wanyu Lei 等人研究类脑循环架构用于高效状态跟踪。他们利用表示论和调和分析开发理论框架，设计具有非传统人工神经元和固定循环矩阵的架构，以期在能效和泛化能力上超越基于注意力的 Transformer。

此次获奖者将自主推进研究工作，主办方不干预研究方向，但要求成果必须公开发布。

综合自网络信息