arXiv · cs.AI· Yoav Ger, Omri Barak·· 5 小时前
低秩RNN学习揭示功能等价网络的隐藏结构
Learning reveals invisible structure in low-rank RNNs
arXiv:2605.04115v2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：Yoav Ger, Omri Barak
研究任务与主要进展
Yoav Ger与Omri Barak推导了低秩循环神经网络在重叠空间中的低维梯度下降动力学，分别刻画损失可见重叠与损失不可见重叠。基于论文摘要，该框架对线性RNN为精确描述，对非线性RNN在大N高斯极限下为渐近描述；作者进一步提出学习可暴露功能等价网络的连接差异，并用损失不可见重叠表示训练历史的记忆变量。
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