编纂｜冷猫

深度进建到底有没有科学理论？

这是一个很奥妙的时期。一壁是大模型以令人眩晕的速度迭代，参数量从百亿冲向万亿；另一壁是学术界的一片寡言 —— 我们依然没有找到深度进建的根基理论，神经网络依然是个黑盒子。

LeCun 在 X 上直抒己见：「深度进建的理论基础依然是一片荒漠。」Geoffrey Hinton 屡次在公共场所表白类似概想：深度进建的成功更像炼金术而非科学 —— 我们知路什么有效，但不知路为什么有效。

但就在这片荒漠上，一路裂缝在被撬开。

最近，由来自 UC Berkeley、哈佛、斯坦福等名校的 14 名钻研者组成的钻研团队颁发了一篇论文，系统性地梳理了从前十年间散落在遍地的理论碎片，并将它们拼成了一幅齐全的图景。

他们给这个在形成的理论系统起了一个名字 ——Learning Mechanics（进建力学）。

论文标题：There Will Be a Scientific Theory of Deep Learning论文链接：https://arxiv.org/pdf/2604.21691

就像经典力学统一了天体活动与地面落体、统计力学架起了微观粒子与宏观热景象之间的桥梁、量子力学沉新界说了物质的根基存在方式一样，「进建力学」试图为神经网络的进建过程成立一套第一性道理级此外科学框架。

基础理论去哪了？

从前十五年，深度进建的每一次突破险些都来自工程直觉和大规模尝试，而非理论推导。AlexNet 靠的是 GPU 并行推算的无意发现；ResNet 来自何恺明对梯度隐没问题的建补；Transformer 确把稳力机造最初是为相识决序列建模中的长距离依赖……

这种「先做出来再说」的模式带来了惊人的利用成就，但也留下了一个狼狈的现实：深度进建钻研者，面对一个训练失败的模型，往往只能靠经验和命运来调参。

论文钻研团队的主题贡献在于鉴别出五条钻研线索。它们别离是：

可解的梦想化设定：在简化前提下，我们能否精确求解神经网络的动力学？—— 深度线性网络的全局最优解、NTK 极限下的谐振子类比，对应物理学中的谐振子与氢原子？纱χ玫募蓿旱蓖缜飨蚰承┘耸，行为是否变得可预测？—— 宽网络极限下的惰性 / 丰硕二分法、深度 / 批量 / 进建率极限，对应热力学极限。经验定律：是否存在逾越架构和数据集的普适法规？—— 神经缩放律、不变性边缘（Edge of Stability），对应开普勒定律与斯涅尔定律。超参数理论：能否实现超参数的零样本迁徙？——μP 参数化、中心流、超参数解耦与解除，对应量纲分析。普适行为：分歧架构 / 数据集学到的表征为何如此类似？—— 表征收敛景象、通用表征如果，对应临界普适性。

这五条线索并非平行发展，而是在向统一个主题汇聚 ——一个可能描述神经网络进建过程的统一理论框架。

我们知路，在拉瓦锡之前，化学性质上也是「炼金术」—— 人们知路混合某些物质会产生特定反映，但不理解背后的原子机理。直到元素周期表和化学反映理论的成立，化学才从经验堆集跃升为一门精密科学。

深度进建改处于类似的转折点。从前十年的高速增长，性质上是经验主义驱动的「炼金时期」—— 我们发现了好多有效的配方（ResNet、Transformer、Adam 优化器），但对这些配方为什么有效不足底子性的理解。

「进建力学」的指标，就是成为深度进建领域的「元素周期表」。

「进建力学」的五根支柱：物理学的双子星

这是整篇论文最杰出的部门。

可解的梦想化设定 —— 神经网络里的「氢原子」

物理学的发展史通知我们：任何成熟的理论都必须从一个能够精确求解的简化模型起头。经典力学有谐振子和开普勒问题，量子力学有氢原子 —— 这些都是高度梦想化的系统，但它们提供了理解更复杂系统的概想基础。

深度进建领域也找到了自己的「氢原子」：

钻研者证了然 SGD 在这种网络上总能找到全局最优解，并且能够精确描述每一步更新的轨迹。更沉要的是，深度线性网络的很多定性特点（如奇怪值的动态演化）在非线性网络中也得到了保留。

NTK（Neural Tangent Kernel）极限。 当神经网络的宽度趋于无限大时，网络在训练过程中的行为能够用一个固定的核函数来描述 —— 这就是 NTK 理论的主题洞见。在这个极限下，神经网络的训练等价于在由 NTK 界说的再生核希尔伯特空间（RKHS）中进行核回归。这意味着我们能够用核步骤的说话来精确预测无限宽网络的训练动态。

论文出格强调了 NTK 与量子力学的类比：NTK 极限下的神经网络，其行为类似于量子力学中的谐振子或氢原子 —— 两者都是能够通过解析步骤齐全求解的「玩具模型」，但又蕴含着真实系统的关键物理特点。

可处置的极限 —— 当网络变得「无限大」

若是上一部门问的是「最单一的神经网络是什么」，那么这部门问的就是「当网络的某个维度推向极端时会产生什么」。这正是物理学中热力学极限的思想模式：通过钻研粒子数趋于无限的系统，获得对有限系统的洞察。

深度进建中已经发现了多个这样的「极限」：

宽网络极限（Lazy vs. Rich Regime）。 这是近年来最沉要的理论发现之一。当网络宽度增长时，训练动态会进入两种截然分歧的状态：

惰性 regime（Lazy Training）：网络参数险些不脱离初始化左近，职能高等价于核步骤。此时网络的阐发像一个「懈怠的学生」—— 它不愿意真正扭转自己，只是用初始状态的微幼扰动来拟合数据。丰硕 regime（Feature Learning）：网络的特点暗示在训练过程中产生内容性变动，真正学会了有效的内部表征。

这两种 regime 之间的转变取决于宽度、深度、进建率和批量大幼之间的奥妙平衡。这一工作严格刻画了这个相变天堑，而论文指出这一发现的意思远超技术细节 —— 它揭示了神经网络训练中存在真正的「相变」景象，就像水在 0°C 结冰一样，神经网络的行为在某些临界点会产生质的扭转。

其他沉要极限还蕴含：

深度极限：当层数趋于无限时，某些架构阐发出陆续动力学的特点批量极限：大批量训练与幼批量训练之间存在系统性差距进建率极限：极幼进建率对应梯度流，极猛进建率则触发全新的动力学

这些极限钻研的共同价值在于：它们将离散的、有限的经验观察，转化为陆续的、可分析的数学对象。

经验定律 —— 深度进建版的「开普勒定律」

这部门是实证发现 —— 就像开普勒从第谷的观测数据中提炼出行星活动三定律一样，深度进建钻研者也从海量尝试中总结出了若干逾越架构和数据集的普适法规。

神经缩放律（Neural Scaling Laws）是其中最驰名的一个。模型的测试损失随推算量、参数量或数据量的增长出现幂律衰减：

其中 α 是依赖于工作和架构的幂律指数。这个法规的惊人之处在于它的普适性：无论你用的是 Transformer 还是 ResNet，无论工作是说话建；故峭枷穹掷，幂律关系都成立，只是指数分歧。

这种景象被称为「不变性边缘」，它暗示了深度进建优化过程中存在某种自组织临界性（Self-Organized Criticality）—— 这与沙堆坍塌、地震产生等天然界中的临界景象共享一样的数学结构。

论文将其类比为光学中的斯涅尔定律（Snell's Law）：斯涅尔描述了光在分歧介质界面上的折射行为但没有诠释其底层原因（那必要麦克斯韦方程组）；EoS 描述了训练过程中梯度不变在临界值的景象，但其深层机造仍有待「进建力学」的齐全框架来揭示。

超参数理论 —— 深度进建版的「量纲分析」

任何一个调过模型的人都知路疾苦：进建率设太大爆炸，太幼不收敛；batch size 和进建率必须共同调整；分歧层的权沉衰减该不该一样？这些超参数的选择持久以来依赖经验和网格搜索，不足系统性的领导准则。

μP（Maximal Update Parameterization）的出现扭转了这所有。 μP 框架提供了一种优雅的解决规划：通过对参数初始化和更新规定进行特定的缩放变换，使得超参数能够在分歧规模的模型之间零样本迁徙。也就是说，你在一个幼模型上调好的进建率，能够直接用到同架构的大模型上而无需沉新调整。

μP 性质上是深度进建中的「量纲分析」（Dimensional Analysis）。

在物理学中，量纲分析允许我们在不齐全知路具体方程的情况下，仅通过查抄物理量的量纲一致性就能得出沉要结论。μP 做的事件类似：它不必要知路损失景观的具体状态，只必要保障分歧规模下优化的「量纲」一致，就能实现超参数的可迁徙性。

论文还提到了两个有关的沉要概想：

中心流（Central Flow）。 这是一种新的参数化规划，旨在让优化轨迹在参数空间中维持优良的几何性质，预防因尺度不一致导致的优化难题。

超参数解耦与解除（Decoupling and Elimination of Hyperparameters）。 更激进的设法是：能否从底子上削减自由超参数的数量？若是能证明某些超参数在理论上是不用要的（或者说能够被其他参数吸收），那么调参这件事自身就会大幅简化。

普适行为 —— 分歧的网络学到惊人的类似

分歧架构的神经网络，在分歧的数据集上训练之后，学到的内部表征竟然高度类似。 这个景象被称为表征收敛（Representation Convergence）或通用表征如果（Universal Representation Hypothesis）。

具体来说，若是你训练两个齐全分歧的网络 —— 一个是 ResNet，一个是 Vision Transformer—— 在 ImageNet 上训练到收敛，而后比力它们中央层的激活模式，你会发现它们的表征结构出奇地一致。更神奇的是，这种一致性甚至跨模态存在：视觉网络和说话网络在某些抽象层面上展示出类似的表征组织方式。

论文将这一景象类比为物理学中的临界普适性（Critical Universality）。在统计力学中，齐全分歧的物理系统（如铁磁体和液体 - 气体相变）在靠近临界点时会阐发出一样的行为 —— 它们的临界指数只依赖于空间的维数和序参量的对称性，而与微观细节无关。这被称为「普适性类」（Universality Class）。

若是深度进建也存在类似的普适性，那就意味着：不论你用什么架构、什么初始化、什么优化器，只有满足某些根基前提，网络就会收敛到统一类「吸引子」表征上。 这不仅能诠释为什么分歧模型的阐发趋于一致，也为理解智能的性质提供了新的视角 —— 也许智能自身就对应着某个高维空间中的「普适性吸引子」。

十个未解之谜

论文的最后部门坦诚地列出了十个尚未解决的关键问题。这些问题既是挑战，也是路线图 —— 任何一个的突破都可能推动「进建力学」从愿景变为现实。

1.非线性动力学的解析理论。目前大部门可解了局局限于线性网络或无限宽极限。真实的有限宽度非线性网络的训练动力学依然是黑洞。

2.缩放律的发源与断裂点。幂律关系为什么成立？它在什么前提下会失效？最近的一些工作暗示缩放律可能在极高规模下出现相变。

3.惰性与丰硕 Regime 的齐全相图。 我们知路两种 regime 都存在，但它们之间的过渡区域是什么样子的？是否存在第三种 regime？

4.超参数的「尺度模型」。能否成立一个统一的框架，将 μP、中心流等各类参数化规划纳入其中，并给出齐全的超参数选择指南？

5.表征收敛的数学证明。普适行为目前重要是实证观察。能否从优化动力学的角度严格证明表征必然收敛？

6.泛化误差的理论上界。为什么过参数化的网络（参数远多于样本数）不会严沉过拟合？这个问题困扰了统计进建理论二十年。

7.架构设计的理论领导。能否从第一性道理启程推导出最优的网络架构，而不是靠试错？

8.说话与推理的涌现机造。In-context learning、思想链推理等能力是在什么前提下涌现的？能否预测和节造这种涌现？

9.物理对称性与神经网络综合偏置的联系。物理世界拥有平移不变性、旋转对称性、尺度不变性等 —— 神经网络是否天然编码了这些对称性？还是说这些对称性是从数据中学到的？

10.「进建力学」的大局化正义系统。最终，我们必要一套类似牛顿三定律或量子力学正义的严谨数学框架，而不仅仅是类比和启发式论证。

在从前，关于深度进建理论的问题通常是怎么让模型更高效。「进建力学」提出的则是另一种档次的问题：「摆布神经网络进建过程的底层法规是什么？」

科学史上，这样的时刻并不多见。牛顿在苹果树下思虑引力的时辰，开普勒的行星数据已经在书架高等了他半个世纪。达尔文在贝格尔号上网络标本的时辰，孟德尔的豌豆尝试已经在建路院的花圃里默默进行了八年。

而今天，在 AI 领域每天涌出的无数的进展背后，在每一个深夜还在跑尝试的 GPU 集群里，在每一次模型进化的欢呼中 ——「进建力学」所需的全数碎片，可能已经散落在那里了。

必要的只是有人把它们捡起来，拼在一路。