PulseAugur
中
实时 09:11:05
English(EN) When Do Local Score Models Extrapolate Across Size? A Diagnostic Theory and Benchmark

新理论解释了人工智能模型在不同系统规模下的外推能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的诊断理论和基准测试，以理解局部分数模型在不同系统规模下进行外推的程度。他们发现，仅有架构局部性不足以实现稳定的规模外推，而这实际上是由高斯平滑分数的准局部性所控制的。该研究引入了有限深度局部流（FDLF）基准测试来实证验证这些发现，并证明稳定的外推能力取决于空间混合、分数准局部性和模型感受野之间的相互作用。 AI

影响 为提高人工智能模型在科学生成建模任务中的可靠性提供了理论框架和诊断工具。

排序理由 该集群包含一篇学术论文，详细介绍了一种评估人工智能模型性能的新理论和基准测试。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Wenjie Xi ·

    局部评分模型何时能跨越规模进行外推？一项诊断理论与基准测试

    arXiv:2606.09705v1 Announce Type: new Abstract: Scientific generative modeling often requires size transfer, where models trained on small systems are evaluated on larger ones. While translation-invariant architectures enable this evaluation, we show that architectural locality a…

  2. arXiv cs.LG TIER_1 English(EN) · Wenjie Xi ·

    局部评分模型何时能跨越规模进行外推？诊断理论与基准测试

    Scientific generative modeling often requires size transfer, where models trained on small systems are evaluated on larger ones. While translation-invariant architectures enable this evaluation, we show that architectural locality alone does not guarantee stable size extrapolatio…

相关话题