Forschung
<p>Topology-Aware Revival steigert Effizienz im sparsamen Training um bis zu 38 %</p> <p>Im Bereich des sparsamen Lernens wird häufig ein statisches Maskenmuster verwendet, um die Rechenlast zu reduzieren. Diese feste Struktur kann jedoch die Robustheit des Modells stark einschränken, da frühzeitige Pruning-Entscheidungen das Netzwerk in eine brüchige Architektur sperren. Besonders in tiefen Reinforcement‑Learning‑Umgebungen, wo sich die Policy kontinuierlich verändert und damit die Trainingsverteilung vers
arXiv – cs.LG