English(EN) Subspace Crystallization in Grokking: Rank Compression Tracks the Phase Transition

神经网络中的Grokking：秩压缩跟随而非导致深度理解

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

一篇新的研究论文探讨了神经网络中“grokking”现象，即模型获得深度理解并泛化到训练数据之外。该研究聚焦于在模运算上训练的MLP和Transformer，发现权重矩阵中的秩压缩发生在grokking开始之后，而非导致其发生。研究人员观察到一种称为“子空间结晶”的现象，在grokking转变过程中，准确输出所必需的方向数量会显著减少。然而，人为施加低秩并未加速grokking，表明它是该过程的一个标志而非驱动因素。 AI

影响为理解神经网络泛化的内部机制提供了见解，可能为未来的模型架构和训练策略提供信息。

排序理由该集群包含一篇详细介绍神经网络中grokking现象研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 10 / 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网络中grokking现象研究结果的研究论文。[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, model release; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Shlok Mehendale, Paras Chopra · 2026-10-27 04:00

Grokking 中的子空间结晶：秩压缩追踪相变

arXiv:2610.35112v1 Announce Type: cross Abstract: Grokking describes understanding something deeply and intuitively. In neural networks, it is the phenomenon where a network generalizes long after memorizing its training data. This delay has been linked to a fall in the effective…

本文如何被排名

报道来源 [1]

Grokking 中的子空间结晶：秩压缩追踪相变

相关实体

相关话题