DTG-FF 审计层局部训练真实数据扩展性

Yucheng Chen 发布论文，提出 DTG-FF（动态温度 goodness、解耦归一化与多层融合），在九个真实数据基准上刷新 Forward-Forward（FF）家族的最优结果，CIFAR-10 准确率达 91.8%。 论文称，该工作同时是对 FF 家族层局部训练真实数据扩展性的审计，指出合成基准会高估 Forward-Forward 的扩展性，DTG-FF 在真实数据上仍存在局限。上述 SOTA 与 91.8% 均为论文自述，截至提交时的结果。

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。