研究人员开发了一个新的范畴框架，称为 Infinitesimal Non-Compositional Sketches (LINCS) 中的学习，以解决机器学习中的非组合性问题。该框架将非组合性定义为通用因子分解问题中的失败，并提出使用切线提升来扰动模型并保持组合性。该论文介绍了切线学习草图 (Tangent Learning Sketches) 和 INC 终端函子 (INC endofunctor)，将机器学习表述为寻找一个协代数不动点。目前正在对深度学习、大型语言模型和强化学习进行 LINCS 的实验评估。 AI
影响 引入了一个新颖的理论框架来解决机器学习模型中的非组合性问题。
排序理由 该集群包含一篇详细介绍机器学习新理论框架的学术论文。
- Aczel--Mendler theorem
- deep learning
- INC endofunctor
- large-language models
- Learning in Infinitesimal Non-Compositional Sketches
- reinforcement learning
- Tangent Learning Sketches
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
