学者提出用捕食者-猎物模型与热力学解释机器学习泛化及顿悟

2026年10月28日，arXiv发表的一项机器学习研究提出利用捕食者-猎物模型探索机器学习的泛化机制，并为随机梯度朗之万动力学与生成对抗网络（GAN）提供了生物学及化学维度的解释。测试表明，在从噪声数据恢复固定次数多项式未知函数的案例中，捕食者-猎物模型的逼近效果优于传统梯度下降法。此外，该研究还借助Eyring公式等热力学论据，对机器学习中的顿悟（grokking，即延迟泛化）现象做出了解释。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。