跳到主要内容
检索

Dara Varam

2 篇关联报道

订阅更新
  1. arXiv

    语言模型不跑梯度也能写脑电网络：2730个权重全手写，5名受试者上平衡准确率0.834

    权重空间编程让语言模型直接读写神经网络权重，此前只在游戏网络和语言模型上演示过。这项研究把它用到脑电与心电模型上：Claude Opus 5.5 在没有任何梯度步骤、只给5名练习受试者的情况下，写出 TinyEEGNet 全部2730个权重，在65名未见受试者上取得0.834的平衡准确率，与同架构用30名受试者常规训练的0.806相当，高于用5名训练的0.704；但它无法从权重判断网络任务，也无法改进已训练良好的网络。

    Dara Varam（第一作者）
    权重空间编程脑电图心电图Claude Opus 5.5捷径学习
  2. arXiv

    PCD 把主目标梯度钉在更新方向上，在 ResNet-34/CIFAR-100 的 90% 稀疏度下保住 70.9% 准确率，而对称多目标基线全部崩塌

    该工作提出 Priority-Constrained Descent（PCD），一种把主目标梯度作为锚点、只在必要时做最小欧氏扭曲以保证每个次要目标获得 τ 比例一阶进展的梯度优化框架，在结构化剪枝、非结构化稀疏加低秩以及合成实验中报告了优于对称多目标方法的逐目标表现与帕累托支配，并给出二、三目标的闭式解与尺度不变性。

    American University of Sharjah
    Dara Varam（第一作者）
    优先级约束下降多目标优化结构化网络压缩二次规划

已读完全部报道