ICML 2026 复现：局部学习仅在严格条件下匹配反传
Gradio · x · 2026-07-22
ICML 2026 复现审计：局部学习只在严格条件下逼近反向传播
这条帖转发的是一份对 ICML 2026 论文的复现与审计，主题是：局部学习能否替代反向传播。海报的核心结论很明确——在严格假设下，确实能得到等价更新；但一旦离开这些前提，结果就没那么强。
海报里给出的审计结论包括：
- 在理论假设完全成立时，独立实现可以复现相同的更新；
- 但论文里宣称的经验优势比较脆弱，表格显示 CLAPP++ 在 STL-10 上只比 BP 高 0.74 分，且审计认为它并没有在三项数据集上都超过 BP；
- 复现部分还检查了不同宽度下的更新相似度、实现一致性以及“结论成立/失效”的边界。
整体看，这不是一个“反向传播被彻底替代”的结果，而是一个更精确的研究结论：局部学习在窄范围内成立，但泛化后的优势有限。
「研究」频道最新
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27