AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:机器学习理论×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月8日
11:10
11:10arXiv cs.LG@Jin Guo, Roy Y. He, Jean-Michel Morel
本文提出了机器学习中二阶路径核插值公式,扩展了Pedro Domingos在2020年提出的一阶插值公式。该公式将模型预测表示为沿优化路径的积分,其中包含数据依赖的核函数。二阶形式补充了曲率加权的插值项,对于随机梯度下降,还出现了与mini-batch梯度噪声协方差耦合的采样诱导分量。研究还扩展到带动量的随机梯度下降,并给出了终端预测的浓度估计。这些结果细化了神经网络预测的路径核解释,为理解训练数据如何塑造模型预测提供了更精确的理论框架。
论文路径核插值二阶公式随机梯度下降神经网络预测机器学习理论

推荐理由:这篇论文为理解神经网络预测提供了更精确的理论工具,做机器学习理论或模型可解释性研究的开发者值得关注,能帮你更深入理解训练数据的影响机制。
原文
5月13日
19:12
19:12arXiv cs.LG@Leonardo N. Coregliano, William Opich
精选
近期一系列研究开始探索乘积空间上学习理论概念的变体,统称为高元学习理论。本文提出高元样本压缩方案的概念,并证明存在非平凡质量的高元样本压缩方案意味着高元PAC可学习性。该工作将经典样本压缩理论扩展到高元场景,为理解复杂数据结构下的学习能力提供了新视角。研究结果建立了高元压缩与可学习性之间的理论桥梁,对机器学习理论有基础性贡献。
论文高元学习理论样本压缩PAC可学习性乘积空间机器学习理论

推荐理由:理论机器学习研究者会感兴趣——这项研究把样本压缩理论推到了高元空间,证明了压缩方案与PAC可学习性的新联系,做学习理论或高维数据分析的值得关注。
原文
5月11日
11:42
11:42arXiv cs.LG(学术论文)
该论文研究了高斯分布下非负L1逼近多项式的存在性。非负L1逼近多项式要求多项式在逼近指示函数时保持非负性,比标准L1逼近更强,但比夹逼多项式更弱。作者证明:任何高斯表面积为Γ的标准高斯集类,都存在次数为O~(Γ²/ε²)的非负多项式实现ε-L1逼近。该结果与非负性约束下的最佳已知度界匹配,为非正例的平滑学习等应用提供了理论支撑。
论文理论L1逼近高斯分布机器学习理论

推荐理由:该结果统一了高斯表面理论与L1逼近的度界,为非负多项式在平滑学习中的应用提供了理论基础,对理论计算机科学中指标函数逼近研究具有参考价值。
原文
精选全部日报登录