新论文揭示神经网络权重保留可解码学习轨迹
热点事件持续更新
新论文揭示神经网络权重保留可解码学习轨迹
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Patrick Krauss等人在arXiv发表论文(编号2611.24782),探讨神经网络权重是否保留训练过程信息。研究测试了最终权重能否揭示初始化状态、任务顺序及早期轨迹。 实验表明,训练重组了网络集合,初始成对距离不能一致预测最终距离。尽管如此,每个数据集中30个训练好的网络均在10个候选中准确匹配到其初始权重,显示出对选择性历史信息的保留。 进一步使用线性探针以100%准确率解码任务顺序。分析发现2157对端点存在低损失连接,这些结果共同表明,即使经历共享任务训练,网络并未完全抹除其个体学习历程的痕迹。
AI 根据报道生成 · 10 小时前更新
最新进展11月19日 13:00
神经网络权重空间中保留可解码的学习轨迹信息报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · ML神经网络权重空间中保留可解码的学习轨迹信息
研究发现神经网络最终权重保留选择性历史信息,30个网络在10个候选中准确匹配初始权重。 线性探针以100%准确率解码任务顺序,2157对端点显示低损失连接,表明共享任务未抹除个体学习历程。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
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。