Synthetic Benchmarks Overstate Forward-Forward Scaling: Real-Data Limits of Layer-Local Training
यह शोध पत्र DTG-FF फ्रेमवर्क प्रस्तुत करता है यह प्रदर्शित करने के लिए कि जहाँ फॉरवर्ड-फॉरवर्ड लर्निंग छोटे पैमाने के सिंथेटिक बेंचमार्क पर अच्छा प्रदर्शन करती है, वहीं यह बड़े पैमाने के वास्तविक दुनिया के डेटासेट पर बैकप्रोपैगेशन की तुलना में काफी खराब प्रदर्शन करती है और मानक हार्डवेयर पर मेमोरी लाभ प्रदान करने में विफल रहती है, जो लेयर-लोकल ट्रेनिंग के लिए मौलिक स्केलिंग सीमाओं को प्रकट करती है।