热点事件持续更新
研究提出基于属性测试的鲁棒Softmax与交叉熵实现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究人员公布了关于机器学习基础算子数值稳定性的最新研究。团队利用Hypothesis工具的基于属性测试，成功复现了PyTorch和JAX等主流机器学习库在Softmax与交叉熵实现中存在的数值缺陷，并进一步发现了一个新的边缘失效场景。为解决此类问题，团队提出了一种更鲁棒的Softmax实现，该方案不仅能够通过相关属性测试，还支持因果注意力掩码（causal attention masking）。目前，相关的实现代码与测试均已公开。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 12:00
研究人员公开了更鲁棒的Softmax实现与测试代码，支持因果注意力掩码。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习基于属性的测试：构建更鲁棒的 Softmax 与交叉熵
研究人员利用 Hypothesis 的基于属性测试复现了 PyTorch 和 JAX 等主流机器学习库中 Softmax 与交叉熵的数值缺陷，并发现了一个新的边缘失效场景。为此，团队提出了一种更鲁棒的 Softmax 实现，不仅能通过相关属性测试，还支持因果注意力掩码（causal attention masking）。相关代码与测试均已公开。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·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。