arXiv研究：良性错配下的训练-测试权衡

arXiv 上一项由 Gireeja Ranade 和 Anant Sahai 发布的研究提出“良性错配”（第四象限）现象：在确定性 (d+1) 维单尖峰模型的平方误差线性回归中，存在一段训练集规模区间，泛化良好的预测器必须比零预测器更差地拟合训练数据，最极端时测试误差趋零而训练误差发散。 研究给出的量化结论是：最佳 span 预测器在 n≫d/γ² 时开始泛化，而插值需要 n≫d/γ；大常数学习率的一遍随机梯度下降在该窗口内可达到接近最优的测试误差。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。