La geometría del grokking: minimización de norma en la variedad de pérdida cero
Descubre cómo la minimización de norma en la variedad de pérdida cero explica el fenómeno grokking: generalización tardía tras memorización.
#minimización de norma
Generalización rápida tras interpolación con momento críticamente amortiguado
Descubre cómo GROKtimizer logra una generalización rápida tras la interpolación, combinando convergencia veloz y minimización de normas con momento críticamente amortiguado.