热点事件持续更新
SPH非反向传播架构在象棋任务中未能收敛
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，一项基于Ogma白皮书的实证研究发布，评估了稀疏预测层级（SPH）与非反向传播学习在象棋任务中的表现。该模型拥有约44.9M参数且采用~99%权重稀疏度，但在实验中未能收敛。结果显示，其策略准确率与价值损失表现远逊于仅含3.8M参数的标准CNN基线。研究指出，极端稀疏性阻碍了长距离空间依赖信息的传播，导致模型无法处理全局信用分配问题。
AI 根据报道生成 · 51 分钟前更新
最新进展11月6日 05:40
最新研究显示SPH架构因极端稀疏性导致信息传播受阻，在象棋任务中未能收敛。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- Reddit · MachineLearning稀疏预测层级（SPH）与非反向传播学习在象棋任务中的实证评估：负结果
一项针对基于 Ogma 白皮书的稀疏预测层级（SPH）架构的实证研究显示，该模型在象棋任务中未能收敛。尽管拥有约 44.9M 参数并采用~99% 权重稀疏度，其策略准确率与价值损失表现远逊于仅含 3.8M 参数的标准 CNN 基线。实验表明极端稀疏性阻碍了长距离空间依赖信息的传播，导致无法处理全局信用分配。
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。