算法论文7

斯坦福：AdamW 预训练稳健，矩阵法特定场景优

机器之心2025-09-07

AI 摘要

斯坦福团队研究十一种深度学习优化器，发现独立调优至关重要，短期评估易误导，矩阵方法性能领先。不过，AdamW 仍稳健，最优选择依场景而定，如标准比例下 Muon 佳，高数据比例 Soap 优。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

GCEA - YOLO：油田抽烟检测精度提升20.8%

油田抽烟事故损失大，传统检测方法有局限，深度学习模型也面临难题。作者基于YOLOv11n构建GCEA - YOLO网络，含ADown、CSP - EDLAN、GFPN、EfficientHead四个模块，检测精度显著提升，还验证了泛化与稳定性，并给出复现代码。

文章围绕系统了解AI需搞清楚的四件事展开，介绍了AI理论基础层的机器学习和深度学习，感知交互层的计算机视觉等，应用实践层的机器人学等，还提及伦理社会层的AI伦理和社会影响研究。

文章指出传统绝缘子检测方法面临人工巡检效率低、小目标检测难等挑战，现有YOLO系列算法也有局限。为此提出RDA - YOLO网络，在YOLOv8基础上有三项创新，实验显示其精度、速度和极端天气鲁棒性表现出色。

翁荔新作《谨慎对待 Scaling Law》上线，文章涵盖 Scaling Law 预测内容、计算最优分配原理等。介绍了早期对机器学习损失可预测性的研究，还对比了 Kaplan 等人与 Chinchilla 的 Scaling Law，分析了两者分歧原因。