arXiv 发布双曲多类分类隐式偏差研究
热点事件持续更新
arXiv 发布双曲多类分类隐式偏差研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Xingrun Li 等作者发布论文，研究双曲空间多类分类中固定类原型下黎曼梯度流的隐式偏差，框架涵盖交叉熵等一般置换不变相对间隔（PERM）损失。该论文被 NeurIPS 2026 接收为 Spotlight。 论文称，在大半径下各原型的距离可分解为径向项与由 Busemann 函数描述的方向项；据此证明径向二分：漂移系数 μ 的符号决定半径趋向理想边界还是返回内部。正漂移持续时 r(t)=½log t+O(1)，负漂移则在有限时间内回到大半径阈值。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
双曲表示学习对多分类数据的隐式偏好：Busemann 风险视角报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LG双曲表示学习对多分类数据的隐式偏好：Busemann 风险视角
研究双曲空间多分类中固定类原型的黎曼梯度流的隐式偏好，框架涵盖交叉熵等一般置换不变相对间隔（PERM）损失。在大半径下，到各原型的距离分解为径向项与由 Busemann 函数描述的方 向项，据此证明径向二分：漂移系数 μ 的符号决定半径趋向理想边界还是返回内部，正漂移持续时 r(t)=½log t+O(1)，负漂移则在有限时间内回到大半径阈值。
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。