自适应锚点的函数空间 Transformer
原文标题：Function-Space Transformer with Adaptive Anchors
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。
论文提出函数空间 Transformer（FST），通过空间自适应连续隐表示从函数中学习，锚点位置由输入观测预测并递归细化。该表示可针对每个输入调整空间组织，而非继承观测网格，同时支持空间分辨与有限维输出。在 PDEBench Burgers 与 Darcy 流预测上大幅优于 Perceiver IO，与傅里叶神经算子相当；在 ImageNet-1K 上以更少参数超过 ViT 基线。
- 问题
- 固定均匀网格表示连续函数时，局部变化分辨率与计算量难以兼顾。
- 方法
- 用输入预测并递归细化的锚点存储特征，在函数空间交互，使隐表示空间组织随输入自适应。
- 结果
- PDEBench Burgers 与 Darcy 流上大幅优于 Perceiver IO，与傅里叶神经算子相当；ImageNet-1K 上以更少参数超过 ViT。
- 影响
- 为物理场、几何与视觉信号提供统一且更省参数的连续域建模骨干。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FST用输入预测的锚点替代固定网格，在PDEBench上远超Perceiver IO，ImageNet-1K以更少参数胜过ViT。
- •锚点位置由输入观测预测并递归细化，表示可随每个输入调整空间组织
- •PDEBench Burgers与Darcy流预测大幅优于Perceiver IO，与傅里叶神经算子相当
- •ImageNet-1K分类精度超过ViT基线，且参数量更少
- •同时支持空间分辨输出与有限维输出
为什么重要：统一处理物理场、几何与视觉信号，且不依赖观测网格，对神经算子与视觉主干选型都有参考价值。
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。