NeurIPS负结果论文：RMT无数据指标与模型性能无关

Gabryel Mason-Williams 等人在 NeurIPS 2026 负结果赛道发布论文（arXiv 2611.15621），证明基于随机矩阵理论（RMT）的无数据指标与预训练模型的性能和训练无关。 方法是利用关键层现象，对预训练模型的鲁棒层做重初始化或重随机化，构造函数保持的重参数化，使 RMT 指标在多种架构和规模下可任意变化。研究还发现 RMT 指标与泛化的关联是虚假的：多个模型的指标落在"好"区间，部分只是取决于初始化。

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。