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
- Fern 架构支持 1000 万 token 上下文，预测精度持续提升 — AccBalanced · 2026-10-27
- Diamandis 详解 AI 癌症导航与 $100 基因测序如何缩小抗癌鸿沟 — PeterDiamandis · 2026-10-27
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27