Longitudinal Component Level Analysis of Neural Network Training Dynamics Beyond Accuracy and Loss
Este estudio introduce un marco no intrusivo para analizar la dinámica de los componentes de redes neuronales a nivel de época, revelando que los modelos con precisiones similares exhiben a menudo comportamientos internos distintos y demostrando que la poda guiada por descriptores puede superar a la poda aleatoria al tiempo que confirma que las métricas internas ofrecen un valor diagnóstico complementario sin haber superado aún los criterios basados en la magnitud.