衡量AI学习的新尺子来了，CMU与NYU联合团队提出“上褶度”，揭秘计算受限下的智能真相

美国卡内基梅隆大学和纽约大学的联合团队提出了一种新的衡量AI学习的概念——“上褶度”（epiplexity），旨在解决现有信息论工具如香农熵和柯尔莫哥洛夫复杂度在计算受限条件下无法准确描述AI学习过程的问题。该研究通过三个“信息论悖论”，揭示了当前理论框架在处理现代机器学习时的不足，特别是在面对有限计算资源的情况下。这一新概念有望为理解和优化计算受限下的智能系统提供更有力的支持。论文发表后，在学术界引起了广泛关注和讨论。