Neural Scaling Laws for Jet Generation
Diese Arbeit untersucht neuronale Skalierungsgesetze für die Erzeugung von Teilchenjets, bestätigt eine logarithmische Skalierung mit der Modellgröße und validiert den Next-Token-Prediction-Verlust als Proxy für physikalische Genauigkeit, beobachtet jedoch schwächere Skalierungstrends für Datensatzgröße und Rechenleistung aufgrund einer schnellen Sättigung beim autoregressiven Lernen.