PulseAugur
中
实时 09:37:47

新研究详解多类别逻辑回归训练的扩展定律

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的论文详细介绍了多类别逻辑回归的训练动态，为基于梯度的优化下的交叉熵风险建立了精确的扩展定律。研究表明，学习过程按类别顺序进行，从最频繁的类别到最不频繁的类别，并在此过程中识别出三个不同的阶段：初始平台期、幂律衰减期和最终收敛期。该研究还分析了在固定计算预算下模型容量与优化之间的相互作用，推导出了逻辑回归的计算最优扩展定律，该定律根据可用计算量规定了模型大小和训练时间。 AI

排序理由 学术论文，详细介绍了机器学习模型的理论扩展定律。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新研究详解多类别逻辑回归训练的扩展定律

本文如何被排名

Signal score
13 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了机器学习模型的理论扩展定律。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Konstantinos Christopher Tsiolis, Denny Wu, Christos Thrampoulidis, Murat A. Erdogdu ·

    多类别逻辑回归中的SGD：顺序学习与缩放定律

    arXiv:2609.07868v1 Announce Type: cross Abstract: We study the training dynamics of multiclass logistic regression on high-dimensional Gaussian mixture models with a large number of classes and establish precise scaling laws governing the cross-entropy risk under gradient-based o…

相关实体

相关话题