English(EN) Symmetry without a manifold: intrinsic dimension on orbits

新研究挑战标准神经缩放指数推导

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

一篇新研究论文提出了一种替代标准神经缩放指数的几何推导方法，该方法通常依赖于数据流形的内在维度。作者们证明，对于 $\mathbb{Z}_p$ 中的模加法，这种标准方法是未定义的，因为精确的代数解涉及作用于等距变换的 $\mathbb{Z}_p$ 轨道。相反，他们表明这种关系遵循与网络隐藏宽度相关的指数曲线，具有很高的 R 方值，表明该模型能更好地捕捉观察到的行为。 AI

影响提出了一种理解神经缩放的新理论框架，可能影响模型设计和分析。

排序理由该集群包含一篇详细介绍神经缩放指数新理论方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍神经缩放指数新理论方法的学术论文。[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]

arXiv stat.ML TIER_1 English(EN) · Chon-Fai Kam, Miloud Bessafi, Fr\'ed\'eric Cadet · 2026-09-17 04:00

对称性无流形：轨道上的内禀维度

arXiv:2609.17926v1 Announce Type: cross Abstract: The standard geometric derivation of neural scaling exponents takes the intrinsic dimension of a data manifold as its input. On modular addition in $\mathbb{Z}_p$ that derivation has no input. The exact algebraic solution is an or…

本文如何被排名

报道来源 [1]

对称性无流形：轨道上的内禀维度

相关实体

相关话题