v1.951.9335.687660 安卓最新版
v4.397.1161.651090 安卓漢化版
v7.71.3961.722338 安卓免費版
v8.291 PC版
v9.235.4390.894226 安卓免費版
v6.533 PC版
v3.292.9600.822606 安卓版
v4.837.726.192588 安卓最新版
v6.761.810 安卓最新版
v2.355.7918 IOS版
v1.485.4291.166551 最新版
v2.221.1094.727663 PC版
v4.424.9538.730569 安卓免費版
v4.644 安卓漢化版
v7.332.2592.106914 最新版
v8.949.229 安卓版
v6.974 安卓版
v7.311 PC版
v9.233 安卓漢化版
v1.21.4707.929074 最新版
v4.734.3840 PC版
v5.135.2254.881894 安卓最新版
v3.810.6528 IOS版
v5.769.4865 安卓最新版
v1.617.4856 安卓版
v1.5.7436.888263 安卓免費版
v7.366.7916.919975 最新版
v4.165.2163.749776 安卓版
v5.811 安卓漢化版
v3.896.4610.719425 PC版
v7.664.7127 安卓版
v2.441.6784.345238 安卓版
v7.494.2373 安卓漢化版
v5.137.1594.696109 最新版
v8.933.902 安卓版
v5.857.563.735985 最新版
v9.549 安卓漢化版
v4.238.9175 最新版
v4.334.9168.490257 安卓免費版
v1.497.1566 PC版
v1.777.7780.970068 安卓漢化版
v7.770.2219 安卓版
v1.754 最新版
v5.213.2147.334605 最新版
v4.847.4983.100435 安卓版
v7.975.1278.403641 安卓漢化版
v5.852.2783.525674 安卓最新版
v5.991.3330 安卓最新版
v3.855.6514.265186 安卓漢化版
v2.765.3270.600620 安卓版
v3.480 安卓免費版
v9.732.6702.55678 安卓漢化版
v2.916.691 安卓漢化版
v1.890.6137.308898 安卓最新版
v8.841.1397.986392 安卓漢化版
v3.434.6755 IOS版
v6.629 安卓版
v8.514.5437.761890 安卓版
v8.71.6005.178754 安卓最新版
v3.695.9521.992927 IOS版
v1.140.633 PC版
v8.77 安卓版
v9.452.1429.658108 最新版
v3.361.8270.714901 安卓版
v8.302 IOS版
v8.585.3669.926871 PC版
v6.107.7137.971261 安卓免費版
v3.743.3931 安卓漢化版
v2.989.4548 最新版
v1.457.5571.907720 最新版
v7.619.7867.157802 安卓漢化版
v3.392.1533.568781 最新版
v7.82 安卓免費版
v5.700.4532.590517 PC版
v1.729.4479.977972 安卓版
v2.862 安卓版
v8.156.6629 安卓版
v7.798.3175.611281 PC版
v1.831.4238.241105 安卓免費版
v2.700.6774 IOS版
www.trqzj.com
新智元报道
编辑:桃子 好困
【新智元导读】2026年架构革命的枪声已经打响!ResNet用十年证实晰「加法捷径」能救训练,但也袒露了「只加不减」的天花板。DeepSeek新年王炸之后,普林斯顿和UCLA新作DDL让网络学会遗忘、重写和反转。
新年第一天,DeepSeek祭出大杀器——mHC,对「残差毗连」做出了重大刷新,引爆全网。
紧接着,另一篇重磅研究降生了!
斯坦福著名教授Christopher Manning读完后直言,「2026年,将成为刷新残差毗连之年」。
拓展阅读:刚刚,DeepSeek扔出大杀器,梁文锋署名!暴力优化AI架构
这篇来自普林斯顿和UCLA新研究,提出了一个全新架构:Deep Delta Learning(DDL)。
它不再把「捷径」(shortcut)看成牢靠的恒等映射,而让它自己也能学习并随数据转变。
论文地点:https://github.com/yifanzhang-pro/deep-delta-learning/blob/master/Deep_Delta_Learning.pdf
一个是mHC流形约束超毗连,一个是DDL深度增量学习,险些在统一时间,转达出一个强烈的信号:
残差毗连,正在进入一个必需被重新设计的时代。
那么,这篇论文主要解决了什么问题?
ResNet用了十年「加法」
终于被改写了
2015年,ResNet(残差网络)横空出生后,「加法捷径(shortcut)」险些成为了深度网络的默认设置。
它解决了梯度消逝的难题,撑起了现代深度学习的高楼。
ResNet通过残差学习,解决了深度神经网络训练中的焦点难题——层数加深,AI性能不升反降。
ResNet为什么能训得这么深?
由于它只做了一件极其「守旧」的事,当深度网络什么都学不会的时间,至少别把输入弄坏。
现在,无论是CNN、ViT,照旧种种混淆架构,那条「直接把输入加回去」的残差毗连,成为了标配。
这套架构设计稳固的同时,也带来了一个效果——
神经网络险些只会累加信息,却很难修改状态。
经典ResNet焦点更新公式很是简朴:
从动力系统角度看,它等价于对微分方程做一步前向欧拉离散。
这意味着,对应的线性算子所有特征偏向的特征值都是+1,网络只能「平移」状态,而不可反转、选择性遗忘。
换句话说,旧特征很难被彻底扫除,中心体现险些不会被「反转」,深度网络在表达重大动态时,显得有些粗笨。
若是「捷径」永远只是恒等映射,深度神经网络不敷无邪,实质上只能「加法叠加」。
来自普林斯顿和UCLA的最新论文,第一次系统性提出——
这条「捷径」,着实限制了深度神经网络的想象力。
别的,近期一些研究还指出,缺乏负特征值,是深度网络建模能力的隐形天花板。
让深度网络学会「遗忘」
若是允许「捷径」自己可以被学习,可以选择性遗忘,甚至可以反转某些特征,会爆发什么?
DDL给出的谜底是:用一个rank-1的线性算子,替换牢靠的identity shortcut。
简朴来说,DDL把ResNet的「牢靠加法捷径」,升级成了一个可控的状态更新机制。
其焦点转变只有一个——
每一层不再只是加新工具,而会先决议:要不要保存旧状态。
在这个全新架构中,引入了一个很是要害的标量β,这个数值决议了目今层怎样看待已有特征。
增量残差块
DDL不再把隐藏状态,看成一个向量,而是一个矩阵
这个设计,让网络状态具备了「影象矩阵」的寄义,也为后续的Delta Rule的对齐埋下了伏笔。
其焦点更新公式如下所示:
而DDL真正的要害所在,是Delta Operator,让「捷径」不再是I,而是
这是一个rank-1 的对称线性算子,其谱结构异常简朴。即d?1个特征值恒为1,只有一个特征值是1?β。
换句话说,一个标量β,就能准确控制某个特征偏向的运气。
DDL将三种几何行为,统一在一个?橹,以下当β ∈ [0, 2]时,差别情形——
当β靠近0时,DDL什么都不做
这一层险些被跳过,DDL的行为和ResNet完全一致,很是适合深层网络的稳固训练。
当β靠近1时,DDL会先遗忘,再写入
这时,网络会自动「清空」某个特征偏向,再写入新的内容,类似一次精准的状态重置。
这也恰恰是,古板ResNet很难做到的事。
当β靠近2时,DDL就会实现特征反转
某些特征会被直接「翻转符号」,深度网络第一次具备了「反向表达」的能力,这对建模振荡、对立关系很是要害。
值得注重的是,它还泛起了负特征值,这是通俗残差网络险些不可能爆发的行为。
现在,论文主要提出了DDL焦点要领,作者透露实验部分即将更新。
残差网络,2.0时代
为什么这一要领的提出,很是主要?
已往十年,古板残差网络的一个隐患是:信息只加不减,噪声会一起累积。
DDL明确引入了遗忘、重写、反转,让网络可以自动整理无用特征,重构中心体现,让建模成为非枯燥动态历程。
神经网络可以自己决议,如那里置输入的信息。
DDL不会推翻ResNet,当门控(gate)关闭时,它就是通俗残差网络,当它完全翻开时,便进入了全新的表达空间。
ResNet让深度学习进入了「可规;贝,而DDL提出的是下一步——
让深度神经网络不但稳固,并且具备真正的状态操控能力。
也许多年后转头看,残差网络真正的进化,不但仅是更深,还会改自己。
最后的最后,我们让ChatGPT划分总结下DDL和mHC的焦点孝顺:
一位网友对这两种革命性架构的亮点总结:
这一切,只说明晰一件事:残差毗连,真正被当成「可设计工具」来认真看待。
这就像是一个「时代切换」的信号,已往模子变强=更大+更深+更多参数,现在「模子变强=更合理的结构约束」。
作者先容
Yifan Zhang
Yifan Zhang是普林斯顿大学的博士生,也是普林斯顿AI实验室的Fellow,师从Mengdi Wang教授、姚期智教授和Quanquan Gu教授。
此前,他获得了清华大学交织信息研究院盘算机科学硕士学位并成为博士候选人;本科结业于北京大学元培学院,获数学与盘算机科学理学学士学位。
小我私家研究重点是:构建兼具高扩展性和高性能的LLM及多模态基础模子。
Yifeng Liu
Yifeng Liu是加州大学洛杉矶分校的盘算机博士,本科结业于清华信息科学与手艺学院,姚班身世。
Mengdi Wang
Mengdi Wang是普林斯顿大学电气与盘算机工程系以及统计与机械学习中心的副教授。
她曾获得了MIT电气工程与盘算机科学博士学位,在此之前,她获得了清华大学自动化系学士学位。
小我私家研究偏向包括机械学习、强化学习、天生式AI、AI for science以及智能系统应用。
Quanquan Gu
Quanquan Gu是UCLA盘算机科学系的副教授,同时向导UCLA通用人工智能实验室。
他曾获得伊利诺伊大学厄巴纳-香槟分校盘算机科学博士学位,划分于2007年和2010年获得了清华大学学士和硕士学位。
小我私家研究偏向是人工智能与机械学习,重点包括非凸优化、深度学习、强化学习、LLM以及深度天生模子。
参考资料:
https://x.com/chrmanning/status/2006786935059263906
https://x.com/yifan_zhang_/status/2006674032549310782?s=20
https://github.com/yifanzhang-pro/deep-delta-learning/blob/master/Deep_Delta_Learning.pdf
秒追ASI
?点赞、转发、在看一键三连?
点亮星标,锁定新智元极速推送!
相关版本
多平台下载
审查所有0条谈论>网友谈论
偷拍第三页
色欲影院978eee
亚洲日韩激情无码一区久久
欧洲亚洲一区二区
538在线精品视频免费观看
偶像女友堕落
原神女角色被五花大绑无法逃生
学生调教贱奴丨vk
国产蜜臀白浆免费
欧美激情一级二级三级在线视频
偷拍黑毛
欧美一级a视频在线观看
一区av
七七色鬼久久综合
在线看片y
慢脚文化视频免费观看高清
人人操人人要
天天操狠狠干
近相韵母五十交尾
亚洲欧美一区二区八戒
小婬荡做爰3D动漫