Skip to content
Hot eventLive

LIEP：振荡硬件原位训练算法论文

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，研究者在 arXiv 的 Machine Learning Theory 栏目发表论文，提出并验证了锁定平衡传播（LIEP）训练方法。该方法用于振荡网络中的原地训练，可为每个组件提供局部梯度信息，无需独立的前向与反向传播。LIEP 既支持从零开始训练，也能在预训练参数受扰动后恢复性能，并可表述为三因子更新规则。目前该方法仅在浅层网络中得到验证；作者认为，其他架构或可将其扩展到深层与大规模网络。论文未提供更深层或更大规模网络的实验结果。

Generated from reports · updated 3 hr ago

LatestOct 7
2026年10月7日论文提出LIEP，在浅层振荡网络验证局部梯度训练，尚无深层或大规模实验。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Machine Learning Theory
    Lock-in EP：一种用于振荡硬件的原地训练算法

    研究者提出并验证了锁定平衡传播（LIEP）训练方法，可在振荡网络中为每个组件提供局部梯度信息，无需独立的前向与反向传播。LIEP 支持从零开始训练，也能在预训练参数受扰动后恢复性能，并可表述为三因子更新规则。该方法目前仅在浅层网络验证，作者认为其他架构或可将其扩展到深层与大规模网络。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.