热点事件持续更新
研究提出离散相位学习方法Phase-HDC
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9日，相关研究提出了离散相位学习方法Phase-HDC。该方法通过采用当前梯度阈值触发参数更新，直接替代优化器历史记录以实现无额外状态训练。在涵盖图像、表格和文本的11个数据集上的测试表明，Phase-HDC的逻辑存储比标准float32 Adam减少16至23倍，比8-bit Adam减少4至6倍。此外，该方法的精度与6-bit动量Adam相当且存储少3倍，并在6个数据集上的准确率高于8-bit Adam。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
Phase-HDC通过梯度阈值替代优化器历史，大幅降低训练存储需求。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 机器学习Phase-HDC：在离散相位学习中用梯度阈值替代优化器历史
Phase-HDC 采用当前梯度阈值触发参数更新，直接替代优化器历史记录以实现无额外状态训练。在 11 个图像、表格和文本数据集上，其逻辑存储比标准 float32 Adam 减少 16-23 倍，比 8-bit Adam 减少 4-6 倍。该方法精度与 6-bit 动量 Adam 相当且存储少 3 倍，在 6 个数据集上准确率高于 8-bit Adam。
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。