Buchumschlag

A Tale of Two Symmetries: Exploring the Loss Landscape of Equivariant Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, YuQing, Smidt, Tess
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Equivariant Symmetry Breaking Sets
von: Xie, YuQing, et al.
Veröffentlicht: (2024)

The Price of Freedom: Exploring Expressivity and Runtime Tradeoffs in Equivariant Tensor Products
von: Xie, YuQing, et al.
Veröffentlicht: (2025)

Asymptotically Fast Clebsch-Gordan Tensor Products with Vector Spherical Harmonics
von: Xie, YuQing, et al.
Veröffentlicht: (2026)

EquiformerV2: Improved Equivariant Transformer for Scaling to Higher-Degree Representations
von: Liao, Yi-Lun, et al.
Veröffentlicht: (2023)

Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution
von: Wang, Rui, et al.
Veröffentlicht: (2023)

Generalizing Denoising to Non-Equilibrium Structures Improves Equivariant Force Fields
von: Liao, Yi-Lun, et al.
Veröffentlicht: (2024)

EquiformerV3: Scaling Efficient, Expressive, and General SE(3)-Equivariant Graph Attention Transformers
von: Liao, Yi-Lun, et al.
Veröffentlicht: (2026)

Symphony: Symmetry-Equivariant Point-Centered Spherical Harmonics for 3D Molecule Generation
von: Daigavane, Ameya, et al.
Veröffentlicht: (2023)

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Matching the Optimal Denoiser in Point Cloud Diffusion with (Improved) Rotational Alignment
von: Daigavane, Ameya, et al.
Veröffentlicht: (2025)

Model Merging on Loss Landscape: A Geometry Perspective
von: Lu, Juanwu, et al.
Veröffentlicht: (2026)

Landscaper: Understanding Loss Landscapes Through Multi-Dimensional Topological Analysis
von: Chen, Jiaqing, et al.
Veröffentlicht: (2026)

Visualizing Loss Functions as Topological Landscape Profiles
von: Geniesse, Caleb, et al.
Veröffentlicht: (2024)

Evaluating Loss Landscapes from a Topology Perspective
von: Xie, Tiankai, et al.
Veröffentlicht: (2024)

Relaxed Equivariant Graph Neural Networks
von: Hofgard, Elyssa, et al.
Veröffentlicht: (2024)

There is a Singularity in the Loss Landscape
von: Lowell, Mark
Veröffentlicht: (2022)

Symmetry in the Wild: The Role of Equivariance in Neural Fluid Surrogates
von: Rygiel, Patryk, et al.
Veröffentlicht: (2026)

Bridging Symmetry and Robustness: On the Role of Equivariance in Enhancing Adversarial Robustness
von: Wang, Longwei, et al.
Veröffentlicht: (2025)

Gradient Cuff: Detecting Jailbreak Attacks on Large Language Models by Exploring Refusal Loss Landscapes
von: Hu, Xiaomeng, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning and The Tale of Two Temporal Difference Errors
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2026)

Exploring the Landscape for Generative Sequence Models for Specialized Data Synthesis
von: Zbeeb, Mohammad, et al.
Veröffentlicht: (2024)

Matrix Sensing with Kernel Optimal Loss: Robustness and Optimization Landscape
von: Song, Xinyuan, et al.
Veröffentlicht: (2025)

Early-Warning Signals of Grokking via Loss-Landscape Geometry
von: Xu, Yongzhong
Veröffentlicht: (2026)

Identifying Sparsely Active Circuits Through Local Loss Landscape Decomposition
von: Chrisman, Brianna, et al.
Veröffentlicht: (2025)

Practical Bayesian Inference for Speech SNNs: Uncertainty and Loss-Landscape Smoothing
von: Abdennadher, Yesmine, et al.
Veröffentlicht: (2026)

Loss Landscape Degeneracy and Stagewise Development in Transformers
von: Hoogland, Jesse, et al.
Veröffentlicht: (2024)

Probing Equivariance and Symmetry Breaking in Convolutional Networks
von: Vadgama, Sharvaree, et al.
Veröffentlicht: (2025)

Large Language-Geometry Model: When LLM meets Equivariance
von: Li, Zongzhao, et al.
Veröffentlicht: (2025)

Symbol-Equivariant Recurrent Reasoning Models
von: Freinschlag, Richard, et al.
Veröffentlicht: (2026)

Loss Barcode: A Topological Measure of Escapability in Loss Landscapes
von: Barannikov, Serguei, et al.
Veröffentlicht: (2020)

Permutation Equivariant Model-based Offline Reinforcement Learning for Auto-bidding
von: Mou, Zhiyu, et al.
Veröffentlicht: (2025)

Group-Algebraic Tensors: Provably-optimal Equivariant Learning and Physical Symmetry Discovery
von: Hoyos, Paulina, et al.
Veröffentlicht: (2026)

$f$-Divergence Regularized RLHF: Two Tales of Sampling and Unified Analyses
von: Wu, Di, et al.
Veröffentlicht: (2026)

Ubiquitous Symmetry at Critical Points Across Diverse Optimization Landscapes
von: Schneider, Irmi
Veröffentlicht: (2025)

Mathematical Foundation of Interpretable Equivariant Surrogate Models
von: Colombini, Jacopo Joy, et al.
Veröffentlicht: (2025)

Equivariant Spherical Transformer for Efficient Molecular Modeling
von: An, Junyi, et al.
Veröffentlicht: (2025)

M-HOF-Opt: Multi-Objective Hierarchical Output Feedback Optimization via Multiplier Induced Loss Landscape Scheduling
von: Sun, Xudong, et al.
Veröffentlicht: (2024)

A Loss Landscape Visualization Framework for Interpreting Reinforcement Learning: An ADHDP Case Study
von: Liu, Jingyi, et al.
Veröffentlicht: (2026)

Does Flatness imply Generalization for Logistic Loss in Univariate Two-Layer ReLU Network?
von: Qiao, Dan, et al.
Veröffentlicht: (2025)

Exploring Energy Landscapes for Minimal Counterfactual Explanations: Applications in Cybersecurity and Beyond
von: Evangelatos, Spyridon, et al.
Veröffentlicht: (2025)