机器学习泛化性研究引入Eyring公式与捕食者-猎物模型

2026年10月28日，arXiv发布机器学习泛化性研究，利用捕食者-猎物模型分析该现象，并从生物与化学视角阐释随机梯度朗之万动力学及生成对抗网络。 在针对从噪声数据中恢复未知固定次数多项式的示例中，该模型相比梯度下降法提供了更优的近似效果，展示了在复杂任务中的性能优势。 研究还运用热力学论据，特别是Eyring公式，解释了机器学习中的“顿悟”或延迟泛化现象，为理解模型训练过程中的突变式性能提升提供了新的跨学科理论框架。

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。