ICML 论文称正则化让学习更像 Hebbian，噪声则相反
burny_tech · x · 2026-07-25
正则化下，许多学习算法都像 Hebbian 学习
这篇 ICML 论文提出：不少学习算法在加入正则化后，会呈现出类似 Hebbian learning 的更新特征；而当引入噪声时，又会更接近 anti-Hebbian。作者认为，这可能为理解生物大脑的学习机制提供一种统一视角。
- 论文声称，多种不同算法在正则化下都会表现出 Hebbian 对齐。
- 噪声会把这种对齐推向 anti-Hebbian 方向。
- 团队将其概括为：人工网络的学习动态，可能比过去理解得更接近生物学习过程。
「研究」频道最新
- rauchg 复现 OpenAI 发现：无网络微VM 也能借 CPU 争用 covert 通信 — ccerrato147 · 2026-10-27
- FlexGlue:稀疏到稠密特征匹配，速度与精度兼得并可甄别误配图像对 — zhenjun_zhao · 2026-10-27
- Mundo:几张照片重建可探索的世界模型,8 卡 GPU 也只有 1.5 FPS — mark_k · 2026-10-27
- INRIA 研究员将于 ENS 报告「作为实验科学的数学」:LLM 参与数学研究 — marc_lelarge · 2026-10-27
- 美国能源部 Genesis Mission 二期落地:AI 进军粒子加速器与稀有同位素分离 — prescott · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27