Princeton 团队 62 页综述:用自由能串起控制论、热力学与机器学习
ben_eysenbach · x · 2026-11-04
arXiv 新综述《Bridging Control, Inference, Transport, and Thermodynamics》,由 Emmy Blumenthal、Benjamin Eysenbach、Gautam Reddy 等 7 位 Princeton 相关学者合写,5 章 62 页 16 图,零基础可读。
- 核心论点:控制理论、最优传输、概率推断、非平衡热力学与机器学习五个领域共享同一条概念主线——在动力学或统计约束下优化类自由能泛函
- 图中梳理了经典力学→随机控制、Schrödinger 桥、Onsager 原理、Jarzynski 等恒等式、Feynman-Kac 公式等之间的桥接关系
- 应用部分覆盖强化学习、变分推断、生成建模、采样与 Wasserstein 梯度流
作者称已连续读了一周并强烈推荐,适合想打通物理与 ML 数学语言的读者作入门导览。
「研究」频道最新
- 直接改权重刷高安全基准：SecEval 从 32.5% 升到 51.5%，真实能力并未变强 — evilsocket · 2026-11-05
- PianoBench 基准测试：开源音频模型最高仅 52.8% 准确率 — kastnerkyle · 2026-11-05
- 同一模型同一任务仅换 harness,成功率从 68% 升至 88% — Arindam_1729 · 2026-11-05
- State of AI 联合作者：AI能做更长研究任务，但选题品味仍是人的核心 — nathanbenaich · 2026-11-05
- SimEX：coding agent 先在仿真中练技能，每任务仅 10 分钟真机时间 — micoolcho · 2026-11-04
- 32 个智能体跑进模拟 OSRS 世界:770 万参数策略单卡 4 分钟训成 — jsuarez · 2026-11-04