Компьютерные науки > Машинное обучение [представлено 8 мая 2026 (v1), последнее пересмотренное 27 октября 2026 года (эта версия, v2)) Название: Переосмысление государственного отслеживания в периодических моделях с помощью контроля за динамическими ошибками, вид PDF HTML (экспериментальное) резюме: Теоретика мониторинга государства в повторяющихся архитектурах сосредоточена главным образом на экспрессивной способности: может ли фиксированная архипелаг теоретически реализовать набор символических переходных правил. Мы утверждаем, что не менее важным является контроль за ошибками, динамика, регулирующая скрытое состояние вдоль направлений, которые отличают символические государства. Мы доказываем, что аффинированные периодические сети - класс моделей, охватывающих модели государства-космического пространства и линейное внимание, не могут исправить ошибки вдоль отделяющихся от государств подпространств после того, как они сохраняют представления государств. Следовательно, практические трекеры не учатся надежному отслеживанию состояния; скорее, они обучаются конечным-горизонтным решениям, регулируемым накопившейся государственной ошибкой. Мы характеризуем механику этого провала, показав, что отслеживание остается удобочитаемым только в то время как аккумулирование внутри класса по-прежнему невелико по отношению к разделению между классом. Мы эмпирически показываем, что эта разбивка предсказуема: отслеживание коллапсов в тех случаях, когда коэффициент различимости пересекает…
Переосмысление государственного отслеживания в периодических моделях с помощью динамики контроля ошибок
arXiv: 2605.077555v2 Annualce Type: заменить кросс-бюллетень: Теория отслеживания состояния в периодически повторяющихся архитектурах сосредоточена главным образом на экспрессивной способности: может ли фиксированная архипелаг теоретически реализовать набор символических переходных правил. Мы утверждаем, что не менее важным является контроль за ошибками, динамика, регулирующая скрытое состояние вдоль направлений, которые отличают символические государства. Мы доказываем, что аффинированные периодические сети - класс моделей, охватывающих модели государства-космического пространства и линейное внимание, не могут исправить ошибки вдоль отделяющихся от государств подпространств после того, как они сохраняют представления государств. Следовательно, практические трекеры не учатся надежному отслеживанию состояния; скорее, они обучаются конечным-горизонтным решениям, регулируемым накопившейся государственной ошибкой. Мы характеризуем механику этого провала, показав, что отслеживание остается удобочитаемым только в то время как аккумулирование внутри класса по-прежнему невелико по отношению к разделению между классом. Мы демонстрируем эмпирически на gr