跳到正文
arXiv · AI· Yucheng Chen·· 2026-10-08AI 评分33

合成基准高估 Forward-Forward 扩展性:层局部训练在真实数据上的局限

Synthetic Benchmarks Overstate Forward-Forward Scaling: Real-Data Limits of Layer-Local Training

AI 导读

研究证实合成基准高估 Forward-Forward 层局部训练的扩展潜力,真实数据下显著落后于标准反向传播。 DTG-FF 在 CIFAR-10 达到 91.8%,但在 ImageNet-100 224x224 仅得 49.4%,比自监督 ResNet-50 的 75.6% 差距巨大。

来源:arXiv · AI · arxiv.org