computational learning theory
PulseAugur coverage of computational learning theory — every cluster mentioning computational learning theory across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
揭示稀疏激活神经网络的新Rademacher界限
研究人员为稀疏激活神经网络开发了新的Rademacher界限，特别关注单隐藏层ReLU模型。这项研究发表在Hugging Face的一篇论文中，分析了与输入相关稀疏性相关的统计复杂性。研究结果确立了改进先前工作的界限，消除了显式维度因子，并展示了跨输入改变激活单元如何维持宽度依赖性，而输入域在网络复杂性中起着至关重要的作用。
-
个人募捐呼吁包含简短的AI评论
此条目是一个为帮助受伤的朋友而进行的个人募捐呼吁，提供了一个PayPal链接进行捐款。作者简要地将互联网门户的概念与生成式AI对公众的目标联系起来。
-
神经推理器充当单次预测器，而非迭代求解器
一篇新论文介绍了一种名为 Lattice Deduction Transformer (LDT) 的神经求解器，它与预期相反，在充满线索的数独游戏中充当单次预测器，而不是迭代推理器。研究表明，该模型在单次传递中就完成了大部分网格的填充，这种现象被称为“首次通过投毒”，即在任何搜索过程开始之前就自信地删除了错误的值。虽然添加诸如回溯之类的搜索机制可以显著减少冗余计算，但并不能提高准确性，这表明优化和样本效率是关键优势。该论文提出了两种干…
-
数据中心与云服务公司宣布关键领导层任命以支持扩张
在2026年第三季度，多家关键数据中心和云服务公司宣布了重要的领导层变动，以支持扩张和不断变化的行业需求。NTT Data Group任命Kazuhiko Nakayama为新任总裁兼首席执行官；Stream Data Centers在被Apollo Funds收购后，任命了首席财务官Murray Woolcock和建筑执行副总裁Scott Greubel。Kao Data晋升Spencer Lamb为首席执行官；Colt Data …
-
CoLT框架教会多模态模型用潜在思维进行推理
研究人员开发了CoLT（Chain of Latent Thoughts，潜在思维链），一个旨在提高多模态大语言模型（MLLMs）在视觉推理任务中效率和效果的新框架。与依赖冗长文本标记的传统思维链（CoT）方法不同，CoLT利用潜在思维表示链，显著减少了推理时间和计算成本。该框架在训练期间采用轻量级外部解码器进行步级监督，确保了稳定且有意义的潜在推理，然后在推理时移除该解码器以实现最大效率。实验表明，CoLT的性能优于现有的潜在推理方…
-
随机次梯度法最后一迭代的新界限已找到
研究人员为随机次梯度法（SsGM）应用于一维凸Lipschitz目标函数时的最后一迭代建立了新的理论界限。研究表明，在标准的固定步长和加性i.i.d.次梯度噪声下，优化误差为$1/\sqrt{n}$的量级，通过去除对数因子改进了现有界限。然而，研究还表明，在没有i.i.d.假设的情况下，误差会增加到$(\log n)/\sqrt{n}$，这表明在某些条件下SsGM的最后一迭代并非最优，并解决了先前一个悬而未决的问题。
-
新算法提高了John Ellipsoid近似的精度
研究人员开发了用于近似对称多面体的John Ellipsoid的新算法，改进了现有的Leverage-Score方法。这些算法将计算的复杂性分为不同的成本：认证、识别和精度。新方法为精度提供了显著更快的收敛速度，在初始设置阶段后，将精度对近似参数\(\varepsilon\)的依赖性降低到双对数级别。