University of Pennsylvania（宾夕法尼亚大学）

Revenge of Monosemanticity: Specialized Neurons Improve Data Efficiency in MLPs

单义性的回归：专用神经元提升多层感知机的数据效率

Amirhesam Abedsoltan, Enric Boix-Adsera, Fivos Kalogiannis, Mikhail Belkin

机构 * UC San Diego（加州大学圣地亚哥分校） ； University of Pennsylvania（宾夕法尼亚大学） ； The Wharton School（沃顿商学院） ； Halıcıoğlu Data Science Institute（哈利西奥格鲁数据科学学院） 纠错

AI总结 该研究指出现有特征学习理论仅聚焦全局低维预测几何的不足，发现MLPs在聚类数据回归中会产生单义性专用神经元，形成局部低维表示集合，从而获得数据效率优势。

Two-Sided Nearest Neighbors: An adaptive and minimax optimal procedure for matrix completion

双边最近邻：一种用于矩阵补全的自适应且极小极大最优方法

Tathagata Sadhukhan, Manit Paul, Raaz Dwivedi

机构 * Cornell University（康奈尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell Tech（康奈尔科技） 纠错

AI总结 本文针对矩阵补全问题，提出自适应且极小极大最优的双边最近邻算法，其均方误差可自适应非线性光滑度，在正则条件下达到神谕误差率，经模拟和HeartSteps数据验证有效。

Comments 40 pages, 14 figures