研究 Latin 方阵上的 Grokking 解集结构

研究刻画拉丁方阵任务中 Grokking 的最小范数端点解集，并按端点泛化情况将任务分为 all-good、mixed 和 no-good。部分观测下，有限阿贝尔群族渐近呈 all-good；均匀随机拉丁方阵中，基于观测的学习者遇到 all-good 任务则渐趋稀少，实验还显示加法重标记即使具有稠密多项式表示仍能泛化。

摘自 arXiv · Machine Learning

还没有足够的连续观测数据，暂不绘制趋势。