ICML 2026论文Flatland：过早进入超平坦区反而阻碍训练

2026年10月28日，AGI Hunt 报道称，Mark Schmidt 团队在 ICML 2026 发表论文 Flatland，直接挑战「损失地形越平坦越好」这一流行看法。该论文在引入可变步长后，系统研究梯度下降在大步长下仍能收敛的条件与边界，并据此指出：网络过早进入超平坦区域，反而可能阻碍其继续有效学习，因此最平的解不一定最好。报道称，这些结论对理解学习率调度与损失地形几何有直接意义。目前该工作以论文形式发布，报道未提及更多实验细节或后续争议，也未出现与早先报道在数字或时间上的冲突。

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。