arXiv · cs.AI· Atreya Vedantam, Nataraj Das, Chandrashekar Lakshminarayanan·· 5 小时前
线性模型梯度下降中的延迟泛化动态分析
On the Dynamics of Delayed Generalization in Linear Models
arXiv:2602.08302v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Atreya Vedantam, Nataraj Das, Chandrashekar Lakshminarayanan
研究任务与主要进展
基于论文摘要，作者证明在线性可分数据上，采用梯度下降和指数尾损失的线性模型也会出现延迟泛化，并将超平面动态划分为总体阶段、支持向量主导的遗忘阶段和泛化阶段。作者指出，最大间隔方向之外的残差收敛会启动遗忘阶段，其时间尺度导致训练准确率明显早于测试准确率提升；受控实验和单输出神经元深度模型的 MNIST 实验对理论进行了验证。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org