§ 01综述

cifar 近期进展

DP-IVON-Gradsq：差分隐私的平方梯度改进变分在线牛顿法 原文标题

差分隐私技术应用于机器学习，特别是在保护个人隐私的同时进行模型训练方面取得新进展。

温度缩放使贝叶斯误差代理可任意变化：一个精确定律 原文标题

贝叶斯误差代理在温度缩放方面的研究，为模型的不确定性估计提供了新的理论依据。

Sakana AI 用 Error Diffusion 训练双流网络，MNIST 96.7%/CIFAR-10 61.7% 无反向传播 原文标题

Sakana AI 使用 Error Diffusion 方法训练双流网络，在 MNIST 和 CIFAR-10 数据集上取得了优异的成绩，且无需反向传播。

Transformer架构如何通过跳接与归一化保持深度初始化秩 原文标题

研究揭示了 Transformer 架构中跳接与归一化在保持深度初始化秩方面的作用。

当前焦点与观察点

cifar 数据集在机器学习领域的应用持续受到关注，特别是在图像识别和分类任务中。

新的算法和技术不断涌现，旨在提高模型在 cifar 数据集上的性能和效率。

差分隐私、贝叶斯误差代理等技术在保护数据隐私的同时，也为 cifar 数据集上的模型训练提供了新的思路。

Error Diffusion 等非传统方法在 cifar 数据集上的应用，为模型训练提供了新的可能性。

§ 02相关报道10 条在档

§ 03邻近话题