渗透理论：从网络结构到机器学习的相变应用
burny_tech · x · 2026-09-02
渗透理论 基础
- 研究随机网络中连通性和大规模结构的涌现机制。
- 核心概念：存在一个临界阈值 $pc$。当边存在的概率 $p < pc$ 时，网络无巨连通分量；当 $p > pc$ 时，巨连通分量突然涌现。
- 相变：微小的参数变化可引起全局连通性的剧烈改变。
在 ML/AI 中的应用
- 提供了理解鲁棒性、级联故障 和信息传播 的数学框架。
- 可用于分析图机器学习 中的协同训练等现象。
「研究」频道最新
- YC Paper Club 征集演讲：探讨光计算、钻石芯片与生物 GPU — ycombinator · 2026-09-02
- OpenAI 架构转向引担忧：循环激活或致思维链难以监控 — RyanGreenblatt · 2026-09-02
- ECCV 论文 CrossFeat：在特征空间桥接多模态图像 — zhenjun_zhao · 2026-09-02
- 新研究利用重力先验解耦变换，提升位姿估计鲁棒性 — zhenjun_zhao · 2026-09-02
- DualDiff3D：双重扩散先验增强稀疏视角 3D 重建 — zhenjun_zhao · 2026-09-02
- Meta 新研究：Agent 能完成任务却无法阻止灾难性操作 — rohanpaul_ai · 2026-09-02