Taehun Cha团队论文被NeurIPS 2026收录

Taehun Cha 等人基于 arXiv 论文《The Weight Gram Matrix Captures Sequential Feature Linearization in Deep Networks》，通过定义“虚拟协方差”与“目标线性度”，揭示了深层网络在训练中对表示进行序贯线性化的机制。该研究统一解释了 Neural Collapse 及生成模型中的线性插值现象。 该论文被 NeurIPS 2026 收录，全文共 32 页（含附录）。版本 V2 增加了 Proposition 2（pre-conditioning）及针对 Table 1-3 的额外 whitening 实验，进一步验证了权重 Gram 矩阵作为捕捉特征动态关键对象的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。