Kryptonite-N：机器学习反击
机器学习
2025-01-28 v2 人工智能
摘要
Quinn等人在其名为“Kryptonite-N”的工作中提出了挑战数据集。这些数据集旨在反驳机器学习的通用函数逼近论点，打破机器学习可以“逼近任何连续函数”的观念。我们的工作驳斥了这一说法，并表明通用函数逼近可以成功应用；Kryptonite数据集的构造是可预测的，允许具有足够多项式展开和L1正则化的逻辑回归解决任意维度N的问题。
引用
@article{arxiv.2412.20588,
title = {Kryptonite-N: Machine Learning Strikes Back},
author = {Albus Li and Nathan Bailey and Will Sumerfield and Kira Kim},
journal= {arXiv preprint arXiv:2412.20588},
year = {2025}
}