量子生成模型泛化度量受质疑
热点事件持续更新
量子生成模型泛化度量受质疑
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
Snehal Raj 等作者提交论文,用直接采样基准测试了13个量子与经典生成模型,数据集为最多30量子比特的基数约束数据集和基因组单核苷酸变异数据集。结果发现,收敛到相同矩匹配损失(MMD²)的模型,在未见有效集覆盖率上差异悬殊,说明收敛的损失不能可靠衡量泛化能力。 作者据此称,“经典训练、量子部署”流程必须通过采样训练后的模型来测量泛化性,而这一步骤在相关规模下被认为需要量子设备。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
量子生成模型“经典训练、量子部署”流程需重新审视泛化度量报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv:cs.LG量子生成模型“经典训练、量子部署”流程需重新审视泛化度量
研究对13个量子与经典生成模型在30量子比特以内的基数约束数据集和基因组单核苷酸变异数据集上直接采样评测,发现收敛到相同矩匹配损失(MMD²)的模型在未见有效集覆盖率上差异悬殊,说明收敛的损失不能可靠衡量泛化能力。因此“经典训练、量子部署”流程必须通过采样训练后的模型来测量泛化性,而该步骤在相关规模下被认为需要量子设备。
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。