热点事件持续更新
前向损失与反向梯度不一致问题
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv cs.LG 发布研究，指出在高维 von Mises-Fisher 学习中，依赖有限 Bessel 递推、自定义反向规则和数值裁剪的概率目标，可在同一学习状态下产生相同的前向分数与损失，却给出不同梯度并走向不同优化轨迹。该研究将这一现象称为前向-反向不一致，并提出 AR/FR 修正。目前进展限于该篇论文的发现与修正方案，尚无后续验证或应用报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
新论文揭示 von Mises-Fisher 学习中前向损失相同但梯度不同，并提出 AR/FR 修正。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.LG（机器学习，全量分类）相同损失，不同梯度：von Mises-Fisher 学习中的前向-反向不一致与 AR/FR 修正
研究发现，在高维 von Mises-Fisher 学习中，依赖有限 Bessel 递推、自定义反向规则和数值裁剪的概率目标，可在同一学习状态下产生相同的前向分数与损失，却给出不同梯度并走向不同优化轨迹。
本事件热度走势
当前热度 9·可比范围峰值 9（10月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。