arXiv发布泛化界新研究
发生了什么
据arXiv cs.LG论文，研究者提出基于表示质量的确定性神经网络紧泛化界。该证书通过无参数的k近邻分类器评估表示质量，避免传统参数空间复杂度测量。在CIFAR-10上，从零训练的ResNet-18达到8.0个百分点的测试误差间隙；冻结DINOv2表示时，CIFAR-10认证误差为1.4%，ImageNet为23.1%。
- CIFAR-10误差间隙
- 8.0%
- CIFAR-10认证误差
- 1.4%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口