PP-CPCANet 去掉协方差瓶颈，在 4 个 DG 基准上拿到 SOTA
unimelb-nlp · hf · 2026-07-29
PP-CPCANet 是一项新的领域泛化方法，目标是解决 CPCANet 在小批量训练中容易出现的协方差估计秩不足问题。
论文提出了一个无协方差框架：
- 在 Stiefel 流形上学习全局正交基，并通过 Cayley transform 与网络参数联合优化；
- 引入带有对称性破缺设计的 detached-median PP dispersion 目标，以提供更稳定、密集的优化信号。
作者在 4 个领域泛化基准上报告了 SOTA 结果，同时训练过程更稳定。
「研究」频道最新
- Google 研究 1500 万次 Gemini 交互：白领大规模被自动化证据不足 — ChuckDBrooks · 2026-07-29
- 腾讯开源 AngelSpec，推理加速最高可达 2.4 倍 — teortaxesTex · 2026-07-29
- ICLR 2027 截止日早于 NeurIPS 2026 录用结果 8 天 — 1414vo · 2026-07-29
- 3DGS 流程把 10 分钟 OSMO360 走拍变成高密重建 — janusch_patas · 2026-07-29
- 为什么执行轨迹看不出 agent 是否真的用了检索内容 — PersonalityWhich1780 · 2026-07-29
- 新论文用推理时合并上千 LoRA 扩展局部 MoE — s_scardapane · 2026-07-29