热点事件持续更新
学者提出深度学习谱重整化群理论
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年11月3日，arXiv机器学习领域发表的一项新研究提出了深度学习的谱重整化群（RG）视角。该研究揭示，神经网络层重尾幂律谱指数 α ≈ 2 是稳定学习与过拟合之间的统计及物理分界点；在物理机制上，该数值使谱能量增益在对数谱尺度上实现均匀缩放，满足威尔逊边缘条件。此外，研究基于此建立了 SETOL 理论，将谱 RG 流与 Muon 优化器建立联系，并进一步衍生出了新的优化器扩展 WW-PGD。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 13:00
新研究提出深度学习谱重整化群理论，揭示谱指数分界点并衍生出WW-PGD优化器。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 机器学习深度学习的谱重整化群视角
新研究提出深度学习的谱重整化群（RG）视角，揭示神经网络层重尾幂律谱指数 $\alpha \approx 2$ 是稳定学习与过拟合的统计及物理分界点。该数值在物理上使谱能量增益在对数谱尺度上均匀缩放，满足威尔逊边缘条件。基于此建立的 SETOL 理论将谱 RG 流与 Muon 优化器相连接，并衍生出新的优化器扩展 WW-PGD。
本事件热度走势
当前热度 8·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。