★ 3
可微复杂度控制器加速Grokking
研究引入经认证的可微算法复杂度估计器K_CDM，将算法信息动力学引入学习过程，实现对grokking现象的控制。该控制器可在Levin描述长度意义下加速grokking，复杂度门控比训练损失门控节省27%干预，并揭示其独特贡献在于触发与释放的时机而非归因。
arXiv cs.LG48 天前
#学习动力学
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 1
研究：可解模型刻画智能体追逐移动目标的学习动力学
研究者提出连续时间线性二次的开环目标追逐模型，其最优控制策略在反应式追踪与预测式拦截之间插值。通过线性结构可推导最优策略、策略学习与价值学习的闭式解，并发现学习时间尺度对应矩阵特征值，特征值谱的间隙表明智能体先学会到达目标再优化运动。
arXiv cs.LG10 天前
这个主题的相关资产
相关公司xAI1