JMLR

When Can Depth Replace Precision? A Resource Theory of Quantized Neural Computation

深度何时能取代精度？量化神经计算的资源理论

Mojtaba Soltanalian

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 研究固定输入输出映射下低比特残差计算能否取代数值精度，通过建模量化残差系统刻画无限深度极限，得出纯调度接近松弛类的速率等结论，还探讨了多种相关情况，指出深度取代精度有条件限制。

Comments 141 pages, 26 figures, 15 tables. Includes complete proofs and documents the QReplace decision-support and Lean 4 verification companions. To be submitted to the Journal of Machine Learning Research

Are Flat Minima an Illusion?

平坦极小值是否只是一个幻觉？

Michael Timothy Bennett

机构 * School of Computing（计算学院） ； The Australian National University（澳大利亚国立大学） 纠错

AI总结 本文探讨了平坦极小值对泛化能力的影响，指出弱性才是关键因素，并通过实验验证了弱性与泛化能力的正相关关系。

Comments 27 pages, 1 figure. Major revision adds an affine-invariant joint completion score, PAC-Bayes certificates, a task-alignment theorem, three predeclared 100-network cohorts, a random-label control, and expanded references. Submitted to JMLR