18600 次实验揭示深度学习性能分布与尾部风险差异
原文标题：Measuring Deep Learning Performance - An Empirical Study of Performance Distributions Across Architectures and Tasks
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究对图像分类与时间序列预测架构开展 186 组实验、每组 100 个随机种子共 18,600 次运行，量化性能分布的离散度、对称性与尾部风险。结果显示性能分布常非高斯，时间序列模型的欠佳离群点约为图像分类的三倍，平均性能无法预测鲁棒性。作者建议模型选择应评估分布而非仅看均值。
- 问题
- 深度学习性能是分布而非单值，但分布形态与尾部风险缺乏系统刻画。
- 方法
- 对图像分类与时间序列架构做 186 组实验、每组 100 个随机种子，用离散度、对称性、尾部风险量化鲁棒性。
- 结果
- 共 18,600 次运行；性能分布常非高斯，时间序列模型欠佳离群点约为图像分类的三倍，平均性能无法预测鲁棒性。
- 影响
- 模型选择应看性能分布而非均值，时间序列任务尤其要警惕尾部失败风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
18,600 次运行显示性能分布常非高斯，时间序列模型欠佳离群点约为图像分类三倍，均值不预测鲁棒性。
- •186 组实验、每组 100 个随机种子，共 18,600 次运行，覆盖图像分类与时间序列预测架构。
- •性能分布常非高斯，时间序列预测尤为明显。
- •模型大小无系统性影响：大图像模型离群点更少但离散度未降，小时间序列模型离散度低但极端欠佳更多。
- •时间序列模型的欠佳离群点接近图像分类的三倍。
- •平均性能不预测鲁棒性：时间序列呈中等相关，图像分类无相关。
为什么重要：模型选择若只看均值会低估尾部风险，尤其影响时间序列场景的部署决策。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。