研究人员发现监督学习中存在一个根本性的几何局限性，称为“几何盲点”。这一理论发现表明，标准的监督学习目标固有地保留了对标签相关方向的敏感性，即使这些方向与测试无关。这个盲点统一了几个已观察到的问题，包括非鲁棒特征、纹理偏差、损坏脆弱性和鲁棒性-准确性权衡。引入了一个新的诊断指标“轨迹偏差指数”（TDI）来衡量这种现象，并且提出的“PMH”方法在缓解这种现象方面显示出潜力。 AI
影响 识别出监督学习中的一个核心理论局限性，这可能会影响各种AI应用中的模型泛化能力和鲁棒性。
排序理由 学术论文，介绍了监督学习的新理论概念和诊断指标。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.21395v2 Announce Type: replace-cross Abstract: PGD adversarial training, the standard robustness method, can reduce Jacobian Frobenius norm yet worsen clean-input geometry (e.g., TDI 1.336 vs. ERM 1.093). We show this is not an implementation artifact but a theorem-lev…
We prove that empirical risk minimisation (ERM) imposes a necessary geometric constraint on learned representations: any encoder that minimises supervised loss must retain non-zero Jacobian sensitivity in directions that are label-correlated in training data but nuisance at test …