研究人员将矩阵乘法指数（$\omega$）的上限提高到低于2.371177，超过了之前的2.371339的记录。这一进展是通过重新构建核心优化问题、开发一种新的基于机器学习的优化算法，并使用AlphaEvolve对其进行改进来实现的。该工作建立在现有的组合损失分析等方法之上，这些方法用于确定矩阵乘法的界限。 AI
影响 这项研究推动了理论计算机科学的发展，可能影响未来依赖矩阵运算的AI算法的效率。
排序理由 该集群描述了一篇发表在arXiv上的新研究论文，该论文提出了一个解决理论计算机科学问题的创新方法和改进结果。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.16884v1 Announce Type: cross Abstract: The current best bounds on the matrix multiplication exponent $\omega$ are obtained through a refinement of the laser method called combination loss analysis (Duan et al., 2022; Williams et al., 2024; Alman et al., 2025). In this …
Refinements to combination loss analysis via reformulated optimization, machine learning-based algorithms, and AlphaEvolve yield an improved upper bound on the matrix multiplication exponent.