研究：GPT-2架构学习素数分解树序列
热点事件持续更新
研究：GPT-2架构学习素数分解树序列
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究者用GPT-2架构从零训练，学习由自然数迭代素数分解映射成的有根平面树序列，词准确率约0.4，显著高于隐马尔可夫模型基线。 模型在远离训练区间的10^13–10^15测试块上性能保持稳定，并能将算术文本与保留词频但打乱顺序的合成序列区分开，区分度随上下文扩大；模型还能识别算术上禁止的连续三个以上无平方因子整数序列。
AI 根据报道生成 · 49 分钟前更新
最新进展10月26日 12:00
研究：GPT-2 架构能否学会自然数素数分解生成的有根树算术序列报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI研究：GPT-2 架构能否学会自然数素数分解生成的有根树算术序列
研究者用 GPT-2 架构从零训练，学习由自然数迭代素数分解映射成的有根平面树序列，词准确率约 0.4，显著高于隐马尔可夫模型基线。模型在远离训练区间的 10^13–10^15 测试块上性能保持稳定，并能将算术文本与保留词频但打乱顺序的合成序列区分开，且区分度随上下文扩大。模型还能识别算术上禁止的连续三个以上无平方因子整数序列。
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。