深度学习中分形盆地几何揭示预测与再现性限制

深度学习结果难以预测和再现，Ly 和 Gong 提出分形盆地几何作为机制，指出不同结果的起始点在任意精细尺度上交织，更高精度带来的改进有限。该研究分析了深度学习模型在训练过程中收敛行为的复杂性，强调了优化起点对最终结果的影响。研究发表于 Nature Machine Intelligence，未提及具体模型或产品名称。