MICCAI 报告：数据 scaling laws 背后藏着斯特拉斯堡学派的随机分析
PTenigma · x · 2026-09-20
MICCAI 大会 8 天后在法国斯特拉斯堡开幕。发帖人预告 10 月 1 日的报告《Worldwide Collaboration, AI, & Data Scaling Laws in the Quest to Map Human Brain Diseases》（40 分钟 + 15 分钟 Q&A），讨论医学 AI 诊断方法随训练数据量增长的改进规律。
- 数据 scaling laws 描述诊断 AI 随训练数据增多而提升（或不提升）的速度，以及 AI 论文中的方法"排行榜"如何依赖训练数据量
- 存在一个临界数据量：高容量模型会开始反超更简单的模型，报告将解释原因及如何预测未来的最优方法
- 这些交叉点与斯特拉斯堡数学学派的半鞅理论、Emery 拓扑和 Emery 的 Gamma-calculus 有惊人联系
- 题外话：Emery 拓扑可用于证明连续时间交易中按反向押注不会损失无限资金，该学派用 Doob-Meyer 分解完成证明
适合对随机 PDE 和数学史感兴趣的读者。
「研究」频道最新
- 困扰数学界 147 年，Sylvester 猜想被完整证明 — IgorCarron · 2026-09-20
- XGEN 发布生成式世界模拟系统 JING+DAO，登顶 WBench 榜单 — hey_abusiddik · 2026-09-20
- Schmidhuber 重申：LLM 不算真正有创造力，缺了压缩进步机制 — SchmidhuberAI · 2026-09-20
- 实测 Jev 判 NASA 开普勒信号:总准确率仅 54%,输给三条规则基线 — This_Cell_1829 · 2026-09-20
- François Fleuret 给训练曲线起绰号，研究者：我也骂我的基线 — giffmana · 2026-09-20
- HN 热议：OpenAI 用自家 LLM 辅助设计自研 Jalapeño 芯片 — petrusenko_max · 2026-09-20