NeurIPS 2026 接收宏观正则生成网络论文

2026年11月4日，arXiv 发布论文《宏观正则生成网络：数据高效的神经代理模型》，作者为 Niall Jeffrey 与 Benjamin D. Wandelt。论文正式标注“Accepted at NeurIPS 2026”，并归档为 arXiv:2611.05157 [cs.LG]，涵盖机器学习与宇宙学方向。 该框架通过匹配多尺度统计学习实现物理过程的摊销模拟。其前向传播速度比参考模拟器快超10^6倍，比微正则梯度下降快超10^3倍，能在极少甚至单样本训练集中恢复真实样本。 论文指出该模型可复用于下游预训练及基于模拟的推断，为多保真度科学机器学习工作流提供数据高效路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。