arXiv · cs.AI· Hangyu Zhou·· 7 天前AI 评分37
LeWi 方法通过学习计算结构提升样本效率
Learning Computational Structure for Sample-Efficient Prediction
来源与原文
arXiv · cs.AI
作者：Hangyu Zhou
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.28555v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 Learned Wiring（LeWi）：每个神经元拥有可学习的低维嵌入，仅连接邻近神经元，嵌入与权重联合训练，以利用目标的组合稀疏结构。基于 CSFRBench 及 32 个独立采样计算图生成的目标，LeWi 在未获知目标图的方法中样本效率最高，学习曲线面积比稠密网络平均低 27%。在 17 个世界模型预测任务上，LeWi 在 16 个任务上超过稠密基线，119 次基线对比中获胜 99 次。
来源：arXiv · cs.AI · arxiv.org