热点事件持续更新

SPEAR：谱解耦MoE神经算子用于PDE预训练

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

研究者提出一种名为 SPEAR 的光谱解耦 MoE 神经算子，用于大规模偏微分方程（PDE）预训练。该方法把隐特征拆成低频与高频两部分，分别建模可迁移动力学和 PDE 专属模式，并用知识引导的专家聚合策略识别、合并相似专家。据论文预印本，SPEAR 在 12 个 PDE 数据集及多个下游基准的预训练、微调和迁移学习任务中表现更优，同时将专家数量减少 50%，并保持或提升预测精度。上述效果为作者在预印本中的报告。

AI 根据报道生成 · 1 小时前更新

最新进展10月5日 12:00

SPEAR：面向大规模 PDE 预训练的光谱解耦 MoE 神经算子

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv：cs.LG
SPEAR：面向大规模 PDE 预训练的光谱解耦 MoE 神经算子
研究者提出 SPEAR，一种光谱解耦的 MoE 神经算子，通过将隐特征拆分为低频与高频分量，分别建模可迁移动力学与 PDE 专属模式，并用知识引导的专家聚合策略识别和合并相似专家。在 12 个 PDE 数据集及多个下游基准上，SPEAR 在预训练、微调和迁移学习任务中表现更优，同时将专家数量减少 50% 并保持或提升预测精度。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。