研究者提出Neural Expansion几何框架解释深度网络泛化
热点事件持续更新
研究者提出Neural Expansion几何框架解释深度网络泛化
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
Chashi Mahiul Islam 等作者提出 Neural Expansion 几何框架，用 Generalization Intervals（GIs）量化训练样本周围预测保持稳定的方向性区域，发现训练会沿 Jacobian 奇异值低的方向逐步扩展射线覆盖范围。 作者称，该机制可解释大部分正确分类的测试输入、对抗样本乃至错标和分布外样本。论文已被 NeurIPS 2026 接收。
AI 根据报道生成 · 52 分钟前更新
最新进展10月19日 12:00
Neural Expansion：深度神经网络泛化机制的统一几何框架报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AINeural Expansion：深度神经网络泛化机制的统一几何框架
研究者提出 Neural Expansion 几何框架，用 Generalization Intervals（GIs）量化训练样本周围预测保持稳定的方向性区域，发现训练会沿 Jacobian 奇异值低的方向逐步扩展射线覆盖范围。该机制可解释大部分正确分类的测试输入、对抗样本乃至错标和分布外样本，论文已被 NeurIPS 2026 接收。
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。