arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

EPFL(洛桑联邦理工学院)

2026-02-11 至 2026-02-11 共收录 4
2510.02840 2026-02-11 cs.AI

Take Goodhart Seriously: Principled Limit on General-Purpose AI Optimization

认真对待Goodhart定律:通用人工智能优化的原理性限制

Antoine Maier, Aude Maier, Tom David

机构 * General-Purpose AI Policy Lab (GPAI Policy Lab)(通用人工智能政策实验室) École polytechnique fédérale de Lausanne (EPFL)(洛桑联邦理工学院)

AI总结 本文提出通用人工智能优化存在原理性限制,因目标规范偏差和优化压力导致系统失控风险。

Comments 9 pages, 1 figure. Under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.09093 2026-02-11 stat.ML cs.LG math.OC

Sharp High-Probability Rates for Nonlinear SGD under Heavy-Tailed Noise via Symmetrization

非线性SGD在重尾噪声下的高概率收敛速率研究

Aleksandar Armacki, Dragana Bajovic, Dusan Jakovetic, Soummya Kar

机构 * École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院) University of Novi Sad(诺维萨德大学) Carnegie Mellon University(卡内基梅隆大学)

AI总结 本文提出非线性SGD在重尾噪声下的高概率收敛速率分析,通过对称化方法改进非对称噪声处理,实现更优的收敛性能。

Comments 43 pages, 1 figure

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.13865 2026-02-11 quant-ph cond-mat.dis-nn cs.LG cs.NE stat.ML

Connecting phases of matter to the flatness of the loss landscape in analog variational quantum algorithms

将物质相与类比变分量子算法中损失景观的平坦性联系起来

Kasidit Srimahajariyapong, Supanut Thanasilp, Thiparat Chotibut

机构 * Chula Intelligent and Complex Systems Lab, Department of Physics, Faculty of Science, Chulalongkorn University, Bangkok, Thailand, 10330(朱拉隆功大学科学学院物理系复杂系统实验室) Siam Quantum Square, Faculty of Science, Chulalongkorn University, Bangkok, Thailand, 10330(朱拉隆功大学科学学院暹罗量子广场) Centre for Quantum Science and Engineering, Ecole Polytechnique Fédérale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland(瑞士洛桑联邦理工学院量子科学与工程中心)

AI总结 该研究通过分析不同量子相在类比变分量子算法中的表现,提出利用许多体局域化相初始化策略以提升算法可训练性和扩展性。

Comments 17+9 pages, 9+7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2410.03972 2026-02-11 cs.LG cs.IT cs.NE math.IT q-bio.NC

Measuring and Controlling Solution Degeneracy across Task-Trained Recurrent Neural Networks

测量和控制任务训练的递归神经网络中的解退化

Ann Huang, Satpreet H. Singh, Flavio Martinelli, Kanaka Rajan

机构 * Harvard University(哈佛大学) Harvard Medical School(哈佛医学院) Kempner Institute(凯普纳研究所) EPFL(苏黎世联邦理工学院)

AI总结 本研究开发了统一框架,量化和控制任务训练RNN中的解退化,揭示任务复杂性和网络规模对解退化的影响。

Journal ref Advances in Neural Information Processing Systems (2025)

详情

展开后加载摘要…

URL PDF HTML 收藏