跳到正文
事件追踪已归档

分形盆地几何解释深度学习不可复现

首次报道 最新进展 1 篇报道,1 个来源

事件综述根据 1 篇报道整理,11月5日更新

Ly 与 Gong 在 Nature Machine Intelligence 发表论文,提出分形盆地几何是深度学习结果难以预测、难以复现的机制:通向不同结果的起点在任意精细尺度上交织,因此提高精度带来的改善有限。论文于 2026 年 11 月 5 日在线发表,DOI 为 10.1038/s42256-026-01336-3。 该结论以机制解释的形式提出,报道未说明其验证方式与适用范围。

综述由模型根据报道生成,细节以各篇原文为准。

进展时间线

北京时间,最早在上
  1. Nature Machine Intelligence分形盆地几何解释深度学习可预测性限制

    阅读这篇报道

全部报道

1 篇,点开看摘要
Nature Machine Intelligence:分形盆地几何解释深度学习可预测性与可复现性的局限Nature Machine Intelligence同行评审未入选

Ly 与 Gong 在 Nature Machine Intelligence 发表研究,提出分形盆地几何是深度学习结果难以预测和复现的机制:通向不同结果的起点在任意精细尺度上交织,因此提高精度带来的改善有限。论文于 2026 年 11 月 5 日在线发表,DOI 为 10.1038/s42256-026-01336-3。

阅读这篇报道