我们提出了“情节记忆理论”，揭示循环神经网络作为通用顺序记忆模型的功能。研究表明，循环神经网络能收敛到变量绑定电路，提升了学习参数和隐藏状态的可解释性，帮助弥合人工神经网络与神经记忆模型的差距。