Hadamard matrix
PulseAugur coverage of Hadamard matrix — every cluster mentioning Hadamard matrix across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新理论为量化矩阵乘法误差提供下界
研究人员开发了一个新的理论框架，以最小化量化矩阵乘法的误差。这项发表在arXiv上的研究引入了抖动标量量化的核范数下界，提供了一种优化保乘积变换的方法。该方法旨在通过调整因子范围和网格步长来减少量化误差，而不会改变最终的矩阵乘积。该论文表明，特定的构造，例如与Hadamard矩阵或离散余弦变换对齐的构造，可以达到或接近此下界，为高效矩阵运算提供了实际意义。
-
Anthropic研究员使用内部AI模型解决了Hadamard矩阵
据报道，一位Anthropic的研究员使用内部模型解决了668阶Hadamard矩阵问题。这一进展凸显了AI模型解决复杂数学问题的能力日益增强。由于能够使用最先进的内部工具，这一进步表明AI实验室在科学发现方面可能日益超越传统研究人员。
-
AI 协助数学家解决长期存在的 Hadamard 矩阵问题
研究人员，包括数学家 Levent Alpöge 和名为 Claude 的人工智能，据报道找到了构建各种阶数 Hadamard 矩阵的解决方案，包括之前难以捉摸的 668 阶。这一突破解决了数学中一个长期存在的挑战，因为 668 阶是 Hadamard 矩阵最小的未知临界阶数。EpochAI 在 FrontierMath 基准测试中将这些发现（也涵盖了 2000 以下的另外 11 个阶数）暂时标记为“由 AI 解决”。这一发展凸显了人…
-
新研究推动机器学习中的差分隐私发展
研究人员开发了增强机器学习中差分隐私的新方法，特别是在去中心化和因果结构学习方面。一种名为DPDL的方法，使用基于相似性的校准技术和高斯噪声来保护非IID数据上的去中心化学习的隐私，实现了线性加速。另一种方法利用全同态加密（FHE）对加密数据进行因果结构学习计算，通过电路简化和近似来管理FHE的计算成本。此外，一种基于快速变换的新型DP草图机制为DP线性回归提供了更快的运行时间，而具有相关噪声的局部差分隐私模型表明，在不牺牲效用的情况…