EVENT DOSSIER
一项针对残差网络（ResNet）微调过程的研究发现，离散类别可分性跳变数量与最终测试准确率存在显著的强负相关关系。在涵盖四个基准数据集和三种网络架构的 75 次实验中，CIFAR-10 和 CIFAR-100 标准独立同分布分类任务分别呈现 -0.84 和 -0.87 的相关系数（p < 10^-8 和 p < 10^-5）。在 TinyImageNet 和 CIFAR-10-C 分布压力测试下，该相关性减弱至 -0.45 和 -0.19。控制网络深度后，CIFAR-100 上的部分相关系数仍达 -0.69（p = 0.007）。对比六种替代训练曲线信号显示，跳变计数在预测测试准确率方面表现突出。
研究人员通过 75 项实验，实证检验离散类可分性跳跃数量作为 ResNet 测试准确率训练时间预测器的有效性。在 CIFAR-10 和 CIFAR-100 基准上分别获得强负相关系数（r = -0.84 和 r = -0.87），而在 T…
一项针对 ResNet 微调过程的研究发现，离散类别可分性跳变数量与最终测试准确率存在强负相关。在涵盖四个基准数据集和三种网络架构的 75 次实验中，CIFAR-10 和 CIFAR-100 标准独立同分布分类任务分别呈现 \(r = -…
研究人员通过 75 项实验，实证检验离散类可分性跳跃数量作为 ResNet 测试准确率训练时间预测器的有效性。在 CIFAR-10 和 CIFAR-100 基准上分别获得强负相关系数（r = -0.84 和 r = -0.87），而在 TinyImageNet 和 CIFAR-10-C 分布压力基准下该关系减弱。控制网络深度后，CIFAR-100 上的部分相关系数仍具统计显著性（r_partial = -0.69）。对比六种替代训练曲线信号发现，跳跃计数在 CIFAR-100 上相关性最强，在 CIFAR-10 上位列第二，但在压力基准下被其他信号主导。本研究未包含有效秩、海森矩阵尖锐度等外部竞争指标的比较。该观察被视为一种分布内训练质量探针，并提供了一种适合与标准训练循环并行的低成本检测流程。
一项针对 ResNet 微调过程的研究发现，离散类别可分性跳变数量与最终测试准确率存在强负相关。在涵盖四个基准数据集和三种网络架构的 75 次实验中，CIFAR-10 和 CIFAR-100 标准独立同分布分类任务分别呈现 \(r = -0.84\) 和 \(r = -0.87\) 的相关系数（\(p < 10^{-8}\) 和 \(p < 10^{-5}\)）。在 TinyImageNet 和 CIFAR-10-C 分布压力测试下，该相关性减弱至 \(r = -0.45\) 和 \(r = -0.19\)。控制网络深度后，CIFAR-100 上的部分相关系数仍达 \(r_{\mathrm{partial}} = -0.69\)（\(p = 0.007\)）。对比六种替代训练曲线信号显示，跳变计数在 CIFA…