Această demonstrație făcută de chatgpt este de fapt interesantă și dincolo de ceea ce credeam că ar putea fi rezolvat printr-o singură interogare către gpt pro. Totuși, mă întreb câte probleme Erdos vor urma de o teoremă a lui Erdos.

Noi studii studiază atunci când metodele cu gradient spectral (de exemplu, Muon) ajută la învățarea profundă: 1. Identificăm o formă omniprezentă de condiționare proastă în DL: matricile post-activări au rang scăzut-stabil. 2. Explicăm apoi de ce metodele spectrale pot funcționa bine în ciuda acestui fapt. Fir lung

În timpul programului Simons LLM din toamna trecută, @mahdisoltanol întrebat dacă acest ineq este adevărat pentru distribuție. P și Q: Dkl(p,q) · ∑i pi(pi−qi) ≤ ∑i pi · (pi−qi) ln(pi/qi) Câțiva dintre noi au devenit obsedați de legătură. Îmi amintesc că @jasondeanlee stăteam până târziu căutând contraexemple.