Drift Contract：结合谱更新实现深度鲁棒的局部学习算法
局部学习通过各层独立的辅助损失避免了全局反向传播，具备天然的结构并行优势，但长期受困于深度增加时的精度衰减和超参数脆弱性。该研究首次将类似 Muon 的谱更新几何（包含动量正交化与谱步长缩放）应用于逐层局部更新。在 CIFAR-10 MLP 基准测试中，该方法在深度 12 至 48 层、宽度 128 至 2048 的范围内，仅需单一固定步长即可取得最优表现，显著提升了局部学习对网络深度的鲁棒性。
DC AI 热点
精选
当前热点完整榜单 →
1针对长上下文编程优化，Claude Opus 5.5 正式发布88 热度 ⌁2智能体编程加剧CI负载：Anthropic 如何扩展测试影响分析82 热度 ⌁3将“激活神谕”技术扩展至万亿参数模型：深入内部表征监测AI异常行为82 热度 ⌁4高通发力AI软件生态：收购Modular打造统一软件栈，推进Mojo语言多端支持80 热度 ⌁5Anthropic 推出 Claude Marketplace：一站式发现插件、智能体与合作服务80 热度 ⌁9月24日2026-09-24