Caltech 与英伟达推新框架：让 AI 掌握连续函数
AnimaAnandkumar · x · 2026-08-18
加州理工学院的 Anima Anandkumar 团队与 NVIDIA 合作，提出了一种扩展神经网络的框架，使 AI 能够学习连续函数而非离散数据点。这一研究旨在解决当前 AI 模型在理解物理世界（如天气预报等混沌系统）时的不足。相关论文已发表于《Nature Machine Intelligence》，该技术有望提升 AI 在科学发现中的预测能力。
「研究」频道最新
- 研究推出 dropout 缩放律：按激活参数量用 sigmoid 公式定最优 dropout — gordic_aleksa · 2026-10-16
- 移除 Gemini 后相关性从 0.20 升至 0.96：通用能力与机器人能力高度挂钩 — ycombinator · 2026-10-16
- EPFL 用 RFdiffusion 设计变形蛋白,单序列可折叠两种构象 — ferruz_noelia · 2026-10-16
- 通过操纵「地位感」观察模型行为,作者续谈夺权反事实推断 — jd_pressman · 2026-10-16
- 新基准测「对齐伪装」模型：五种检测法中一种识别率高达 98% — jd_pressman · 2026-10-16
- MLP 神经元可解释性六年研究脉络:一帖梳理关键论文 — aryaman2020 · 2026-10-16