热点事件持续更新
研究称 Large Language Bayes 不具重参数化不变性
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv 机器学习分类发布一项研究，指出 Large Language Bayes（LLB）的证据下界权重依赖模型写法，不具备重参数化不变性。研究在 eight schools 上给出量化结果：中心化与非中心化程序测度仅差 5.7×10⁻¹⁴，权重却相差 6.1×；重要性加权仅将差异降至 2.2×；完整协方差高斯推断仍留 1.9× 差异；在 64 维下达 8.9×。报道未提及后续回应或修正。
AI 根据报道生成 · 5 小时前更新
最新进展10月3日 12:00
研究显示 LLB 证据下界权重依赖模型写法，eight schools 上权重差异达 6.1×。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）研究发现 Large Language Bayes 不具备重参数化不变性
研究证明 Large Language Bayes（LLB）的证据下界权重依赖模型写法，不具备重参数化不变性。在 eight schools 上，中心化与非中心化程序测度仅差 5.7×10⁻¹⁴，权重却相差 6.1×，重要性加权仅降至 2.2×，完整协方差高斯推断仍留 1.9× 差异，64 维下达 8.9×。
本事件热度走势
当前热度 6·可比范围峰值 7（10月4日 00:00）·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。