arXiv发布Hessian质量诊断论文
热点事件持续更新
arXiv发布Hessian质量诊断论文
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月31日，ITMO University在arXiv cs.lg板块发布论文《Profile-aware diagnostics of discarded parameter-Hessian mass》（v1，130KB）。2026年11月3日，该论文研究细节被报道：研究对比了被丢弃参数-Hessian质量与K-FAC非Fisher信息，表明前者依赖对角Profile与参数分区。在ResNet-18中，估算质量随参数分区从stage组变为layers而跨越Profile包络，近似联合条件蒙特卡罗筛选在6/6个种子/输入单元格中解决了交叉。报道同时指出，这些有限损失对比依赖尺度，且未确立恢复益处。
AI 根据报道生成 · 3 小时前更新
最新进展11月3日 13:00
基于 Profile 的诊断：被丢弃参数-Hessian 质量与 K-FAC 非 Fisher 信息的比较报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · ML基于 Profile 的诊断：被丢弃参数-Hessian 质量与 K-FAC 非 Fisher 信息的比较
研究表明被丢弃参数-Hessian 分数依赖对角 Profile 与参数分区，并非 K-FAC 丢弃的 Fisher 信息。 在 ResNet-18 中，从 stage 组变为 layers 使估算质量跨越 Profile 包络，近似联合条件蒙特卡罗筛选在 6/6 个种子/输入单元格中解决了此交叉。 这些有限损失对比依赖尺度，且未确立恢复益处。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。