电路对齐分数可预测OOD泛化能力
原文标题：Can Circuit Alignment Predict OOD Generalization?
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。
研究者提出 Circuit Alignment Score（CAS），仅凭模型权重即可预测其分布外（OOD）泛化性能，无需目标域数据或标签。CAS 通过图核比较跨域类别专属电路，并分解为同类一致性与跨类混淆，被证明是首个可证明一致的分布鲁棒性预测器。在 PACS 的 48 个模型上，CAS 与 OOD 准确率的秩相关达 0.88，远超 CKA（0.58）、SVCCA（0.23）和 RSA（0.14）。
- 问题
- 能否仅凭模型权重预测其分布外泛化能力，无需目标域数据
- 方法
- 用图核比较跨域类别专属电路，分解为同类一致性与跨类混淆，构成可证明一致的预测器
- 结果
- PACS 48个模型上秩相关0.88，超过CKA 0.58、SVCCA 0.23、RSA 0.14
- 影响
- 模型选型与部署前可无数据评估鲁棒性，省去目标域标注与测试成本
深读 · 结论先行AI 生成展开看要点与影响 ↓
仅凭权重预测OOD泛化：CAS在PACS 48模型上秩相关0.88，远超CKA的0.58。
- •CAS通过图核比较跨域类别专属电路，无需目标域数据或标签
- •在PACS的48个模型上，CAS与OOD准确率秩相关0.88，CKA 0.58、SVCCA 0.23、RSA 0.14
- •作者证明CKA/SVCCA/RSA对计算图结构重路由不敏感，而分布偏移正是引发此类变化
- •将CAS表述为域分布上的勒贝格积分，蒙特卡洛估计的成对反转误差以O(1/M)速率消失
- •论文称CAS是首个可证明一致的分布鲁棒性预测器，代码已开源
为什么重要：模型选型与鲁棒性评估此前必须依赖目标域数据，CAS若成立可将OOD评估前移到训练完成即完成，影响模型筛选与部署决策流程。
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。