热点事件持续更新
分形盆地几何与深度学习可预测性和可重复性的极限
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Ly与Gong在Nature Machine Intelligence提出，深度学习结果难以预测和重复，与训练起点所在的盆地几何有关：通向不同结果的起点在任意精细尺度上交织，因此提高精度收效甚微。该解释基于作者的分析与论述，属于对可预测性与可重复性极限的机制性解释，而非经实验操纵验证的因果结论；其适用范围限于所分析的深度学习训练情形，不宜推广到其他模型或人类认知。
AI 根据报道生成 · 3 小时前更新
最新进展11月5日 08:00
Ly与Gong提出分形盆地几何解释深度学习结果难预测、难重复。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- Nature Machine Intelligence分形盆地几何与深度学习可预测性和可重复性的极限
Ly与Gong提出分形盆地几何解释深度学习结果难预测、难重复：通向不同结果的起点在任意精细尺度上交织，提高精度收效甚微。
本事件热度走势
当前热度 4·可比范围峰值 5（11月5日 20:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。