محققان در مقالهای جدید، چالش همیشگیِ «تسطیح» (Flatness) و «همترازی گرادیان» (Gradient Alignment) در یادگیری توزیعهای مختلف را بررسی کردهاند.
این تیم متد نوآورانه SAGE را معرفی کرده که با ترکیب این دو مفهوم، به جای تمرکز بر یک ویژگی هندسی، هر دو را هدف قرار میدهد. این یعنی مدلها در آینده میتوانند با پایداری بیشتر و ریسک کمتر در محیطهای پیچیده آموزش ببینند. گامی مهم برای بهینهسازی دقیقتر سیستمهای هوش مصنوعی! 🧠✨
منبع: arXiv Computer Vision