热点事件持续更新
LAIR-Net：用于表格回归的泄漏对齐脉冲残差网络
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 统计学机器学习栏目发布一手研究，提出 LAIR-Net（Leaky Alignment-Impulse Residual Network），用于表格回归。该模型通过泄漏残差过渡把浅层学习锚点混入每个隐藏状态，并推导出输入扰动敏感度的深度一致上界。实验在 23 个基准数据集上进行，LAIR-Net 在 8 个随机化网络与 12 个传统模型中取得最佳平均排名。收益在可学习的非线性目标结构下出现，在近线性目标或噪声主导时减弱。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发布 LAIR-Net 一手研究，称其在 23 个基准数据集上取得最佳平均排名。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 LearningLAIR-Net：用于表格回归的泄漏对齐脉冲残差网络
研究者提出 LAIR-Net（Leaky Alignment-Impulse Residual Network），通过泄漏残差过渡把浅层学习锚点混入每个隐藏状态，并推导出输入扰动敏感度的深度一致上界。在 23 个基准数据集上，LAIR-Net 在 8 个随机化网络与 12 个传统模型中取得最佳平均排名。收益在可学习的非线性目标结构下出现，在近线性目标或噪声主导时减弱。
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。