A Basin-Selection Perspective on Grokking via Singular Learning Theory
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Cullen, Ben, Estan-Ruiz, Sergio, Danait, Riya, Li, Jiayi |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Sublinear Sketches for Approximate Nearest Neighbor and Kernel Density Estimation
par: Danait, Ved, et autres
Publié: (2025)
par: Danait, Ved, et autres
Publié: (2025)
To Grok Grokking: Provable Grokking in Ridge Regression
par: Xu, Mingyue, et autres
Publié: (2026)
par: Xu, Mingyue, et autres
Publié: (2026)
Grokked Models are Better Unlearners
par: Liang, Yuanbang, et autres
Publié: (2025)
par: Liang, Yuanbang, et autres
Publié: (2025)
The Complexity Dynamics of Grokking
par: DeMoss, Branton, et autres
Publié: (2024)
par: DeMoss, Branton, et autres
Publié: (2024)
Measuring Sharpness in Grokking
par: Miller, Jack, et autres
Publié: (2024)
par: Miller, Jack, et autres
Publié: (2024)
Bridging Lottery Ticket and Grokking: Understanding Grokking from Inner Structure of Networks
par: Minegishi, Gouki, et autres
Publié: (2023)
par: Minegishi, Gouki, et autres
Publié: (2023)
Unified View of Grokking, Double Descent and Emergent Abilities: A Perspective from Circuits Competition
par: Huang, Yufei, et autres
Publié: (2024)
par: Huang, Yufei, et autres
Publié: (2024)
Acceleration of Grokking in Learning Arithmetic Operations via Kolmogorov-Arnold Representation
par: Park, Yeachan, et autres
Publié: (2024)
par: Park, Yeachan, et autres
Publié: (2024)
Flatness is Necessary, Neural Collapse is Not: Rethinking Generalization via Grokking
par: Han, Ting, et autres
Publié: (2025)
par: Han, Ting, et autres
Publié: (2025)
Topological Signatures of Grokking
par: Tang, Yifan, et autres
Publié: (2026)
par: Tang, Yifan, et autres
Publié: (2026)
PAC-Bayes Bounds for Gibbs Posteriors via Singular Learning Theory
par: Wang, Chenyang, et autres
Publié: (2026)
par: Wang, Chenyang, et autres
Publié: (2026)
ILDR: Geometric Early Detection of Grokking
par: Golwala, Shreel
Publié: (2026)
par: Golwala, Shreel
Publié: (2026)
Exploring Grokking: Experimental and Mechanistic Investigations
par: Qiye, Hu, et autres
Publié: (2024)
par: Qiye, Hu, et autres
Publié: (2024)
The Norm-Separation Delay Law of Grokking: A First-Principles Theory of Delayed Generalization
par: Khanh, Truong Xuan, et autres
Publié: (2026)
par: Khanh, Truong Xuan, et autres
Publié: (2026)
Grokking Explained: A Statistical Phenomenon
par: Carvalho, Breno W., et autres
Publié: (2025)
par: Carvalho, Breno W., et autres
Publié: (2025)
What Can Grokking Teach Us About Learning Under Nonstationarity?
par: Lyle, Clare, et autres
Publié: (2025)
par: Lyle, Clare, et autres
Publié: (2025)
Critical Data Size of Language Models from a Grokking Perspective
par: Zhu, Xuekai, et autres
Publié: (2024)
par: Zhu, Xuekai, et autres
Publié: (2024)
Grokking in LLM Pretraining? Monitor Memorization-to-Generalization without Test
par: Li, Ziyue, et autres
Publié: (2025)
par: Li, Ziyue, et autres
Publié: (2025)
Distributional Spectral Diagnostics for Localizing Grokking Transitions
par: Wang, Ziyue, et autres
Publié: (2026)
par: Wang, Ziyue, et autres
Publié: (2026)
GrokAlign: Geometric Characterisation and Acceleration of Grokking
par: Walker, Thomas, et autres
Publié: (2025)
par: Walker, Thomas, et autres
Publié: (2025)
Early-Warning Signals of Grokking via Loss-Landscape Geometry
par: Xu, Yongzhong
Publié: (2026)
par: Xu, Yongzhong
Publié: (2026)
Why Do You Grok? A Theoretical Analysis of Grokking Modular Addition
par: Mohamadi, Mohamad Amin, et autres
Publié: (2024)
par: Mohamadi, Mohamad Amin, et autres
Publié: (2024)
Understanding Grokking Through A Robustness Viewpoint
par: Tan, Zhiquan, et autres
Publié: (2023)
par: Tan, Zhiquan, et autres
Publié: (2023)
Egalitarian Gradient Descent: A Simple Approach to Accelerated Grokking
par: Pasand, Ali Saheb, et autres
Publié: (2025)
par: Pasand, Ali Saheb, et autres
Publié: (2025)
Grokking in Linear Models for Logistic Regression
par: Das, Nataraj, et autres
Publié: (2026)
par: Das, Nataraj, et autres
Publié: (2026)
Controlling Grokking with Nonlinearity and Data Symmetry
par: Salah, Ahmed, et autres
Publié: (2024)
par: Salah, Ahmed, et autres
Publié: (2024)
Two Speeds of Learning: A Representation-Readout Decomposition of Grokking and Double Descent
par: Chou, Chi-Ning, et autres
Publié: (2026)
par: Chou, Chi-Ning, et autres
Publié: (2026)
Grokking of Diffusion Models: Case Study on Modular Addition
par: Kim, Joon Hyeok, et autres
Publié: (2026)
par: Kim, Joon Hyeok, et autres
Publié: (2026)
Explaining Grokking in Transformers through the Lens of Inductive Bias
par: Singh, Jaisidh, et autres
Publié: (2026)
par: Singh, Jaisidh, et autres
Publié: (2026)
Beyond Progress Measures: Theoretical Insights into the Mechanism of Grokking
par: Gu, Zihan, et autres
Publié: (2025)
par: Gu, Zihan, et autres
Publié: (2025)
Provable Scaling Laws of Feature Emergence from Learning Dynamics of Grokking
par: Tian, Yuandong
Publié: (2025)
par: Tian, Yuandong
Publié: (2025)
Grokking Finite-Dimensional Algebra
par: Notsawo, Pascal Jr Tikeng, et autres
Publié: (2026)
par: Notsawo, Pascal Jr Tikeng, et autres
Publié: (2026)
Grokking Group Multiplication with Cosets
par: Stander, Dashiell, et autres
Publié: (2023)
par: Stander, Dashiell, et autres
Publié: (2023)
Muon Optimizer Accelerates Grokking
par: Tveit, Amund, et autres
Publié: (2025)
par: Tveit, Amund, et autres
Publié: (2025)
A Systematic Empirical Study of Grokking: Depth, Architecture, Activation, and Regularization
par: Manir, Shalima Binta, et autres
Publié: (2026)
par: Manir, Shalima Binta, et autres
Publié: (2026)
Explaining Grokking and Information Bottleneck through Neural Collapse Emergence
par: Sakamoto, Keitaro, et autres
Publié: (2025)
par: Sakamoto, Keitaro, et autres
Publié: (2025)
When Data Falls Short: Grokking Below the Critical Threshold
par: Singh, Vaibhav, et autres
Publié: (2025)
par: Singh, Vaibhav, et autres
Publié: (2025)
Deep Grokking: Would Deep Neural Networks Generalize Better?
par: Fan, Simin, et autres
Publié: (2024)
par: Fan, Simin, et autres
Publié: (2024)
Grokking Beyond Neural Networks: An Empirical Exploration with Model Complexity
par: Miller, Jack, et autres
Publié: (2023)
par: Miller, Jack, et autres
Publié: (2023)
Grokfast: Accelerated Grokking by Amplifying Slow Gradients
par: Lee, Jaerin, et autres
Publié: (2024)
par: Lee, Jaerin, et autres
Publié: (2024)
Documents similaires
-
Sublinear Sketches for Approximate Nearest Neighbor and Kernel Density Estimation
par: Danait, Ved, et autres
Publié: (2025) -
To Grok Grokking: Provable Grokking in Ridge Regression
par: Xu, Mingyue, et autres
Publié: (2026) -
Grokked Models are Better Unlearners
par: Liang, Yuanbang, et autres
Publié: (2025) -
The Complexity Dynamics of Grokking
par: DeMoss, Branton, et autres
Publié: (2024) -
Measuring Sharpness in Grokking
par: Miller, Jack, et autres
Publié: (2024)