研究提出SBD框架并揭示因果税现象
热点事件持续更新
研究提出SBD框架并揭示因果税现象
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
Xianzhi Zeng、Jiangneng Li 与 Gao Cong 提出 SBD 框架，将系统行为 S 作为证据下界（ELBO）的不可约分量，并据此提出“因果税”现象：因果性因忽视 S 而成为带额外结构误差的次优近似。 团队构建非因果变分族 Green Shell（GSH），用分治划分替代 S 分量的顺序依赖链。作者称，NTK 谱显示其误差界始终显著更紧，信噪比提升 7dB 以上，懒训练后期多尺度拟合能力最多提升 20%。
AI 根据报道生成 · 55 分钟前更新
最新进展10月5日 12:00
超越数据分布：语言模型的系统行为、因果税与非因果基座模型报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LG超越数据分布：语言模型的系统行为、因果税与非因果基座模型
研究提出 SBD 框架，将系统行为 S 作为证据下界（ELBO）的不可约分量，理论上揭示了"因果税"现象——因果性因忽视 S 而成为带额外结构误差的次优近似。团队构建非因果变分族 Green Shell（GSH），用分治划分替代 S 分量的顺序依赖链，NTK 谱显示其误差界始终显著更紧，信噪比提升 7dB+，懒训练后期多尺度拟合能力提升最多 20%。
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。