University of Edinburgh（爱丁堡大学）

Rethinking the Harmonic Loss via Non-Euclidean Distance Layers

重新思考通过非欧几里得距离层的谐波损失

Maxwell Miller-Golub, Collin Coil, Kamil Faber, Marcin Pietron, Panpan Zheng, Pasquale Minervini, Roberto Corizzo

机构 * American University（美国大学） ； University of Vermont（佛蒙特大学） ； AGH University（AGH大学） ； University of Edinburgh（爱丁堡大学） ； Xinjiang University（新疆大学） 纠错

AI总结 本文提出通过非欧几里得距离层扩展谐波损失，评估了多种距离度量在视觉和语言模型中的性能、可解释性和可持续性。

Evaluating the relationship between regularity and learnability in recursive numeral systems using Reinforcement Learning

评估递归数制系统中规律性与可学习性之间的关系 using 强化学习

Andrea Silvi, Ponrawee Prasertsom, Jennifer Culbertson, Devdatt Dubhashi, Moa Johansson, Kenny Smith

机构 * Chalmers University of Technology and Gothenburg University（查尔姆斯理工大学和哥德堡大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文通过强化学习方法探讨递归数制系统的规律性对可学习性的影响，发现高规律性系统更易学习，但不规则系统的学习性受信号长度影响。