论文从函数中心视角重审尖锐极小值与泛化

Israel Mason-Williams、Gabryel Mason-Williams 与 Helen Yannakoudakis 在 arXiv 论文《A Function-Centric Perspective on Flat and Sharp Minima》（2510.12451v3）中提出从函数中心视角理解神经网络的平坦与尖锐极小值，把尖锐度视为依赖于函数的属性，而非泛化差的直接指标。 作者声称重新审视了尖锐度在模型性能中的作用，并通过从单目标优化、合成非线性二分类任务到现代图像分类任务的广泛实证研究支持这一观点。该结论目前属于论文作者的经验性主张。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。