量子视觉Transformer经验缩放律论文上arXiv

Yuqing Li、Fengyi Gao、Xin Jin、Xiaowei Jia、Qi Cheng、Junyu Liu 等在 arXiv 提交量子视觉 Transformer（QViT）经验缩放律的数值研究论文，探讨 QViT 是否呈现类似经典模型的缩放行为。基于论文摘要，作者在数值图像分类实验中发现，验证损失可用量子比特数、Transformer 深度和训练集规模的联合 shifted power-law 模型较好描述。 将拟合结果用经典编码器参数预算表述时，作者称存在一个区域：增加量子比特数可补偿更少的经典编码器参数，同时维持相近的预测性能。该结论来自数值实验拟合，尚属论文作者声称，材料未说明具体数据集与规模限制。

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。