热点事件持续更新
研究揭示软决策树零梯度生长缺陷及优化策略
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月,arXiv发表的一项研究评估了结构渐增式分类器的四种生长策略。研究证明,软决策树直接加深叶节点会导致门控梯度恒为零而无法学习,该缺陷导致模型在 Iris、Wine 和 Digits 数据集上的准确率分别损失达 19.6、19.1 和 55.6 个百分点;通过引入微小随机扰动即可修复此问题。此外,研究还分析了其他生长策略:拟合残差可缩小网络规模,按最大误差分裂能提升稀疏度,而引入统计显著性要求则会导致生成的树模型更大且精度变差。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
新研究指出软决策树直接加深会导致零梯度缺陷,加入随机扰动即可修复。报道时间线
沿着报道,了解事件的不同侧面。
10月2日
- arXiv 机器学习分类器生长的四种方式及为何其中一种无法学习
研究评估了结构渐增式分类器的四种生长策略,证明软决策树直接加深叶节点会导致门控梯度恒为零而无法学习。该缺陷使其在 Iris、Wine 和 Digits 上准确率损失达 19.6、19.1 和 55.6 个百分点,引入微小随机扰动即可修复。此外,拟合残差可缩小网络规模,按最大误差分裂能提升稀疏度,而引入统计显著性要求则会导致树更大且精度变差。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。