热点事件持续更新
论文：上下文中的决策树桩阈值学习与Softmax注意力动力学
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7日，arXiv（Statistics Machine Learning，一手来源）发表论文《上下文中的决策树桩阈值学习：Softmax Attention 的动力学》。研究在固定特征与不等式方向的二参数 softmax-attention 模型中，用基于梯度的预训练学习未知边界附近的决策阈值。预训练使用带标签上下文及其真实阈值，新阈值仅由上下文推断。论文称，在大分辨率初始化下，对 m 个任务各 n 个样本的常步长梯度下降得到冻结估计器，误差为 Õ((m∧n)^−1+N^−1)。目前仅有这一篇报道，未见后续验证或同行评议信息。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Statistics Machine Learning上下文中的决策树桩阈值学习：Softmax Attention 的动力学
研究在固定特征与不等式方向的二参数 softmax-attention 模型中，用基于梯度的预训练学习未知边界附近的决策阈值。预训练使用带标签上下文及其真实阈值，新阈值仅由上下文推断；大分辨率初始化下，对 m 个任务各 n 个样本的常步长梯度下降得到冻结估计器，误差为 Õ((m∧n)^−1+N^−1)。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。