AIGC動態(tài)歡迎閱讀

原標(biāo)題：AI頂會ICML收了一篇論文：沒算法沒實驗
關(guān)鍵字：序列,定理,函數(shù),自然語言,模型
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

蔡永強 投稿量子位 | 公眾號 QbitAI沒有算法沒有實驗，從2610篇收錄論文中脫穎而出，成為唯一一篇純理論入選2024 ICML Spotlight的論文。
“Vocabulary for Universal Approximation: A Linguistic Perspective of Mapping Compositions（詞的萬能逼近：從語言角度看映射組合）”，這篇純理論論文講了什么，何以入選Spotlight？
簡單來說，目前基于深度學(xué)習(xí)的序列模型，如語言模型，受到了廣泛關(guān)注并取得了成功，這促使研究人員探索將非序列問題轉(zhuǎn)換為序列形式的可能性。
沿著這一思路，深度神經(jīng)網(wǎng)絡(luò)可以表示為一系列線性或非線性映射的復(fù)合函數(shù)，其中每個映射都可以看作是一個“詞”。
然而，線性映射的權(quán)重是未確定的，因此需要無限多個詞。
而這篇論文研究有限情形并構(gòu)造性地證明了存在一個有限的函數(shù)詞匯表V，用于實現(xiàn)萬能逼近。
也就是說，對于任何連續(xù)映射f、緊集Ω和ε>0，存在V中的一個有限序列，使得它們的復(fù)合映射能夠在Ω上近似f且逼近誤差小于ε。
論文研究結(jié)果展示了函數(shù)復(fù)合的非凡近似能力，并為正則語言提

原文鏈接：AI頂會ICML收了一篇論文：沒算法沒實驗

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：