arXiv 机器学习· Simon Richard Daniel·· 3 小时前AI 评分11
超越遍历之墙：用于分析 AI 扩展极限与复杂度坍缩的离散几何物理沙盒
Beyond the Ergodic Wall: A Discrete Geometric Physics Sandbox for Analysing AI Scaling Limits and Complexity Collapse
AI 导读
该研究提出了基于全息 E8 投影引擎的离散几何物理沙盒，用于分析当前深度学习的遍历性上限与 AI 扩展极限。沙盒将时空建模为嵌套 FCC 晶格与 E8 截影准晶几何，把静止质量定义为全息边界上的离散整数微观状态计数。通过将提议空间限制在物理守恒因果轨迹上，该架构可将组合树剪枝为确定性多项式时间路径，提供“NP-to-P”复杂度坍缩机制。
来源：arXiv 机器学习 · arxiv.org