论文Agent 与开发者12:49越南数学家证明 2013 年提出的 Courtade–Kumar 猜想两位越南数学家把悬了十多年的 Courtade–Kumar 猜想给证出来了,信息论圈的大事,数学爱好者别错过。#Courtade–Kumar#信息论#数学证明#越南VnExpress International: Tech原文稍后读已读值得跟进有用关注 Courtade–Kumar
论文Agent 与开发者精选09:58SLIDER框架解析大语言模型推理过程清华团队推出SLIDER框架,能精准检测模型推理冗余,用Trajectory-RRI选数据可提升推理效率#SLIDER#Step-RRI#Trajectory-RRI#推理模型aarXiv: DeepSeek@Barproda Halder 等 3 人原文稍后读已读值得跟进有用关注 SLIDER
论文13:36arXiv 论文:任务感知压缩中的隐式感知约束研究这篇论文讲压缩时顺便做分类怎么更省码率还提准确率,做图像压缩或多任务学习的朋友可以看看理论推导。#神经压缩#任务感知压缩#信息论#分类aarXiv cs.LG@Sahan Liyanaarachchi 等 4 人原文稍后读已读值得跟进有用关注 神经压缩
论文精选11:26可证明自适应采样与均匀和重遮蔽离散扩散模型这篇论文提出了一个新的采样器,提高了离散扩散模型的采样效率,对于想要了解最新采样技术的人来说是个好资源。#离散扩散模型#采样器#去噪器#自适应采样aarXiv cs.LG@Daniil Dmitriev 等 3 人原文稍后读已读值得跟进有用关注 离散扩散模型
论文11:18机器学习决策系统的结构极限:信息论、交互与随机动力学视角这篇论文把“模型为什么有性能天花板”从信息论和交互角度讲得很清楚,做LLM智能体的可以看看它怎么把系统当随机过程分析。#Fano界#Cramér-Rao不等式#马尔可夫随机场#智能体aarXiv cs.LG@Nestor R. Barraza, Gabriel Pena原文稍后读已读值得跟进有用关注 Fano界
论文09:53率失真感知理论:重新定义信息表示的基本极限想搞懂压缩里的感知极限吗?这篇教程把率失真感知理论的计算方法和多种散度度量讲透了,比泛泛的综述实在得多。#率失真感知理论#压缩#信息论#感知质量aarXiv cs.LG@Photios A. Stavrou 等 3 人原文稍后读已读值得跟进有用关注 率失真感知理论
论文11:10生成模型水印取证:信息论视角这篇论文用信息论精确测量了水印取样的代价:归属N个用户需要多少个token,提取载荷需要多少,并在GPT-2等模型上验证了理论预测。#水印#信息论#生成模型#归属aarXiv cs.LG@Xiaoyu Li 等 6 人原文稍后读已读值得跟进有用关注 水印
技巧Agent 与开发者01:32信息论可视化入门:熵与互信息的直觉指南用图和直觉讲清信息论核心,适合想理解熵和互信息的任何人,不需要高深数学。#信息论#可视化#熵#互信息elvis@omarsar0原文稍后读已读值得跟进有用关注 信息论
论文12:12神经流形中的信息挫折:香农瓶颈与可学习性的极限这篇论文用熵来解释深度学习泛化的硬极限和grokking,还给了EGD优化算法,理论研究者可以看看。#深度学习理论#信息论#泛化#grokkingaarXiv cs.LG@Srinivasa Rao P., Vangmayi P Reddy原文稍后读已读值得跟进有用关注 深度学习理论
论文精选12:11用全息简化表示实现神经解耦:一种符号化方法解耦是机器学习长期难题,这篇用全息简化表示把离散符号结构引入神经网络,做无监督学习的团队值得关注——它既保持了可微分性,又比连续表示更抗噪,理论分析也扎实。#解耦学习#全息简化表示#无监督学习#符号表示aarXiv cs.LG@Jhonny J. Velasquez Olivera 等 3 人原文稍后读已读值得跟进有用关注 解耦学习
论文精选10:27定量承诺理论:自主智能体的意图与推理做多智能体系统、主动推理或概率建模的研究者会感兴趣——承诺理论提供了一种避免概率陷阱的新框架,值得深入阅读。#承诺理论#自主智能体#主动推理#贝叶斯概率aarXiv cs.AI@Mark Burgess原文稍后读已读值得跟进有用关注 承诺理论
论文精选10:44形式化绑定问题:ViT模型如何知道特征属于同一物体?做视觉AI的开发者会关心:你的ViT模型真的理解“蓝色圆形”是一个整体吗?这篇论文给出了量化绑定信息的方法,值得点开看看如何诊断模型的结构性盲点。#绑定问题#Vision Transformer#信息论#视觉推理aarXiv cs.LG@Lianghuan Huang 等 6 人原文稍后读已读值得跟进有用关注 绑定问题
论文11:14随机块模型中有限查询的社区恢复这篇论文揭示了自适应查询在社区恢复中的理论优势,做图算法或网络分析的学者值得关注,看完会对数据获取策略的设计有新的启发。#随机块模型#社区恢复#自适应查询#图算法aarXiv cs.LG@Sabyasachi Basu 等 4 人原文稍后读已读值得跟进有用关注 随机块模型