DeepMind开源HOPE框架，可严格量化单个神经元的学习容量

teortaxesTex · x · 2026-10-28

DeepMind 研究者开源了 HOPE（Hilbert Operator for Progressive Encoding）的参考实现，这是作者历时一年构建的数学框架，用于量化神经元的容量，并据此严格剖析深度网络实际学到了什么。

GitHub 仓库（google-deepmind/hope，Apache-2.0）同时包含配套的 DEFT（Dispersed Elastic Fine-Tuning）迁移学习方法：HOPE 可通过 PRUNE 剪枝、神经元合并等解析步骤，对 ImageNet 预训练的 ResNet-50（Keras）做免数据的渐进式模型压缩，仓库提供压缩脚本、基线对比与绘图工具。论文见 arxiv.org/abs/2607.21366，合作者包括 Lisa Schut、Dale Schuurmans 和 Anita Gergely。