跳到主要内容
检索

# 分布外泛化

3 篇关联报道

订阅更新
  1. arXiv

    思维链为何能解没见过的多步题：同一步预测器反复复用，误差按步数亚线性累积

    思维链的分布外泛化被解释为组合式泛化：训练只给单步原子转移，目标任务却需要多步组合。理论把目标风险写成各单步风险之和乘以一个与步数无关的系数，并证明共享同一个预测器使估计项按步数的平方根倒数收缩，而非随步数线性增长。Atom-Task 与 GSM8K 实验支持短链到长链、以及未见操作组合上的迁移，同时显示显式状态跟踪不可缺少。

    Nanjing UniversitySingapore Management University
    Nuojing Liang（第一作者）
    思维链分布外泛化泛化界组合泛化下一词元预测
  2. arXiv

    物理信息不再只用来挑样本：PI-Init 先做无标签预训练，Burgers 误差降 53.3%

    神经算子训练需要昂贵的数值解标签，而PDE输入和控制方程本身是廉价的物理信息。PI-Init把这份廉价信息用在初始化上：先在无标签输入上用物理损失预训练，再保留参数做监督微调。在Burgers、1D Advection等基准上，同等标签预算下FNO预测误差分别降低53.3%和62.7%，Burgers上仅用200条标签轨迹即优于监督训练用2000条。

    Shuo Zhang（第一作者）
    物理信息初始化（PI-Init）算子学习傅里叶神经算子分布外泛化
  3. arXiv

    大模型不再直接报带隙：Motif改用化学分类做环境，二维钙钛矿OOD误差从0.122降到0.111 eV

    在二维卤化物钙钛矿带隙预测上，Motif把大语言模型的角色从直接给出数值改为离线生成化学分类，再用这些分类划分环境做不变特征筛选。六折留一间隔基家族测试中，平均OOD平均绝对误差从kNN+GBT基线的0.122 eV降到0.111 eV；在冻结开发/测试协议下，可部署配置把电子带隙误差从0.123降到0.117 eV，光学带隙从0.181降到0.173 eV。

    Gwangseon Jang（第一作者）
    Motif材料OOD分类不变性框架LLM定义的材料分类法不变特征选择分布外泛化二维卤化物钙钛矿带隙预测

已读完全部报道