实体 S_5

S_5

PulseAugur coverage of S_5 — every cluster mentioning S_5 across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_259358 · Sep 17 · 04:00

研究深入探讨神经网络的grokking现象，揭示迁移带来的益处和复发风险

一篇新研究论文探讨了“grokking”现象背后的机制，即神经网络在一段表现不佳的时期后能够快速泛化。该研究在模块化算术任务上进行，发现与嵌入和读出层一起迁移内部模型权重，可以显著提高早期准确性并缩短达到泛化所需的时间。然而，持续训练可能导致性能复发，这可以通过冻结迁移的组件或使用验证触发的门控来缓解。