热点事件持续更新
σTransfer：μP下不确定性从小网络迁移到大网络
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv（Statistics Machine Learning）发表一手论文，提出σTransfer方法。该方法在Maximal Update Parametrization（μP）框架下推导出先验协方差的缩放规则，使选定的先验精度随模型宽度增大保持稳定。基于该规则，研究者可在小模型上选定精度并零样本迁移到大模型，无需在大模型上重新搜索。这是该事件目前唯一的报道，尚无后续验证或独立复现信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
2026-10-09 arXiv发表σTransfer论文，提出μP下先验协方差缩放规则，实现精度零样本迁移。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine LearningσTransfer：在 μP 下将不确定性从小网络迁移到大网络
论文提出 σTransfer，在 Maximal Update Parametrization（μP）下推导出先验协方差的缩放规则，使选定先验精度随模型宽度增大保持稳定，从而可在小模型上选定精度并零样本迁移到大模型，无需在大模型上重新搜索。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。