Freenet 路由弃用神经网络:等渗回归等老统计方法反而更好用
Sanity · x · 2026-11-20
开发者 Sanity 指出,正确的机器学习方案经常不是神经网络。在 Freenet 的路由实现中,他们使用等渗回归(isotonic regression)、经验贝叶斯(empirical Bayes)等经典统计方法。他认为有趣之处在于:把这些老工具与对问题本身的既有认知结合,能榨出远超预期的效果——不一定需要深度学习。
所属事件:Freenet 路由弃用神经网络,老统计方法更胜一筹(3 条相关)→
「研究」频道最新
- ICLR 2027 大批量 desk reject:审稿人未提交 AI 使用声明表 — algo_diver · 2026-11-20
- Chorus 论文:共享 n-gram 嵌入表缩小 87%,性能反超 DeepSeek Engram — brown2green · 2026-11-20
- NeurIPS 论文发布可合成生成的概念瓶颈模型基准,揭示新失败模式 — berkustun · 2026-11-20
- Inhabitant:LLM 智能体零训练完成 74/75 长程家居交互任务 — Yao Zhang · 2026-11-20
- EPFL 团队发布统一 3D 生成模型,一次完成药物设计对接 — HannesStaerk · 2026-11-20
- ICLR27 分数分布:4 万篇投稿中均分 3.0 仅排前 14% — May_F1_ · 2026-11-20