论文提出测试时对称化方法及对数缩放定律
热点事件持续更新
论文提出测试时对称化方法及对数缩放定律
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
Behrooz Tahmasebi 与 Melanie Weber 发表论文,提出“测试时对称化”(test-time symmetrization)方法:对输入的重写(rewriting)做前向计算,再按重写群 G 聚合答案。 论文称,只需 O(log |G|) 次随机重写即可恢复全部 |G| 次重写所含的信息,并证明这一对数缩放是最优的。
AI 根据报道生成 · 57 分钟前更新
最新进展11月20日 13:00
Test-Time Symmetrization:面向结构下模型无关学习的缩放定律报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AITest-Time Symmetrization:面向结构下模型无关学习的缩放定律
论文提出 test-time symmetrization,通过对输入的重写(rewriting)做前向计算并按重写群 G 聚合答案,证明仅需 O(log |G|) 次随机重写即可恢复全部 |G| 次重写的信息,且该对数缩放为最优。
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。