USC 团队提出 Zeta 律：用黎曼 ζ 函数预测多少数据才够做出科学发现
PTenigma · x · 2026-11-05
USC 的 Paul Thompson 发布论文《The Zeta Law of Discoverability in Biomedical Data》，回答「多少数据才够做出可靠发现」这一根本问题。
- 现有 scaling law 与样本复杂度理论无法解释跨领域差异巨大的增益，尤其在生物医学这种高维信号需跨异构数据对齐的场景
- 提出基于数据、信号及其对齐的谱结构的统一跨模态可发现性框架：AUC 等常见指标可用有效信噪比参数表达，发现何时随数据量增长、何时平台化
- 作者讨论何时需要更好的模型 vs 更好的输入变量、训练临床可用诊断模型需要多少数据，涉及黎曼 ζ 函数
- 转发语境中作者谈及非正规矩阵的模态分析方法，及其团队在数据 scaling law 工作中用 Davis-Kahan、Weyl 不等式、Vershynin 定理估计谱边界
「研究」频道最新
- Physical Intelligence 发布 RLT：RL 微调让机器人精细操作提速 3 倍 — svlevine · 2026-11-05
- FrankenSim 用流体物理仿真长笛音色,14 项指标对比真实录音 — doodlestein · 2026-11-05
- 随机算法为何无处不在:从快速排序到 Miller-Rabin 的可靠性逻辑 — arpit_bhayani · 2026-11-05
- 开源 CloudOpsBench：45 个真实场景测 AI 云运维智能体 — DarkMG1 · 2026-11-05
- DeepSeek-V3 学习率计划拆解:预热、峰值、余弦衰减到退火四阶段 — cneuralnetwork · 2026-11-05
- MiniMMD 博士论文上 arXiv：MMD 最小化从理论到实践 — LesterMackey · 2026-11-05