Naukowcy zaproponowali nową metodę agregacji wieloskalowej do optymalizacji algorytmu Forward-Forward, który stanowi alternatywę dla tradycyjnego backpropagation. Podejście adaptacyjne automatycznie dostosowuje wagę różnych skal sygnału, co poprawia efektywność uczenia. Badania pokazują potencjał do przyspieszenia treningu modeli neuronowych przy jednoczesnym utrzymaniu jakości wyników.