№manifold·general
Manifold
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-06-12
- 累计提及
- 14
§ 01综述
Manifold（流形）作为几何与统计学习中的核心概念，近期在多篇研究中被赋予新内涵，推动机器学习领域对持续学习、模型对齐及评估方式的探索。
主要进展
持续学习中的遗忘几何与恢复：最新研究《Stable Recovery Manifold》提出，持续学习中的“灾难性遗忘”并非不可逆，而是知识沿低维流形退化。通过构造稳定恢复流形（SRM），模型可在学习新任务后逆向重建旧知识，揭示了遗忘的几何可恢复性。(arXiv cs.LG)
MoE路由器的流形对齐设计：另一工作《MPI 方法重新设计 MoE 路由器》将专家子网络视为多个低维流形，通过对齐专家的主奇异方向（Principal Singular Direction），实现路由输入的精准分配，显著提升混合专家模型的泛化与效率。(arXiv cs.AI)
基于流形的评估框架 StakeBench：提出“市场承诺”理念，将语言模型的输出视为流形上的游走轨迹，通过构造任务特定流形的指数权重投票机制评估理解深度，挑战传统评估指标。(arXiv cs.AI)
当前焦点 / 未来观察点
上述工作共同指向“流形”从统计几何假设向主动设计与评估工具的转变。当前焦点在于：如何将低维流形假设与模型可解释性、知识迁移、以及非平稳环境下的鲁棒性结合。未来需关注这些流形方法在更大规模模型及实际场景中的验证，以及是否可能统一不同子领域的几何直觉。