研究者发现「Forking」现象：训练损失下降验证损失反升
ZimingLiu11 · x · 2026-10-26
Maxним实验室研究者 Ziming Liu(与 MetaCircleAI)报告发现一种名为 "Forking" 的训练现象：由 AutoResearch 发现的一个技巧被错误泛化导致。Forking 出现在 over-encoding 类方法中(类似 DeepSeek v4.1 的 Engram 记忆技巧)，表现为在数据回放时训练损失持续下降、而验证损失反而上升，两条曲线像叉子一样分叉。
作者认为 Forking 的重要性堪比 grokking 和 double descent，值得研究者关注。
「研究」频道最新
- EMNLP 2026 两篇论文：小模型实体追踪超人类、类人短暂记忆研究 — GretaTuckute · 2026-10-27
- 历时十年研究：秘鲁 Tarma 克丘亚语的「反自然」音系限制首获实证 — begusgasper · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- IdeaAnchor:用 1.4 万篇论文的灵感溯源教 LLM 基于文献提想法 — armancohan · 2026-10-26
- MIT Ziming Liu 批评 AutoResearch：不懂原理的训练技巧会引发 forking 过拟合灾难 — ZimingLiu11 · 2026-10-26
- 斯坦福数据中心化 AI 研讨会开放报名，海报截止延期 — jure · 2026-10-26