# Jamie Simon 等 14 位作者发了一篇 41 页的论文，认为深度学习的科学理论正在成形

> 原标题：There Will Be a Scientific Theory of Deep Learning

- 来源：Hacker News 首页
- 发布时间：2026-04-24T18:06:05.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/9633
- 原文：https://arxiv.org/abs/2604.21691

## 摘要

这篇论文不是空谈路线图，而是把现有理论工作归成五条线索，论证一个可检验的定量理论已经冒头了。五条线索分别是：用理想化设定给真实训练过程提供直觉；在可计算的极限里看清学习现象；用简单数学规律抓住宏观可观测指标；把超参数的作用从训练过程里拆出来，让剩下的系统更干净；以及跨模型、跨设定都成立的通用行为。作者把这些统称为“学习力学”，强调它关心训练动态、粗粒度...

## 推荐理由

我会先打个折：这是一篇综述/立场论文，不是新实验或产品发布，所以放在 featured 而不是更高。但标题够大胆，而且 14 位作者给了 5 条具体研究线和一条硬判据——可证伪的定量预测，这比大多数“AI 要变科学了”的空话实在。正文没披露具体预测数值或验证结果，所以别当成熟理论看，但它把散落的工作串起来了，对做训练和 infra 的人有参考价值。

## 锐评

这篇41页的论文不是提出新理论，而是给现有理论工作做了一次归类整理。作者把深度学习理论分成五条线索：用理想化模型给真实训练提供直觉、在可计算的极限里看清学习现象、用简单数学规律抓宏观指标、把超参数的作用从训练过程里拆出来、以及跨模型跨设定都成立的通用行为。他们管这套东西叫“学习力学”，强调关心训练动态和粗粒度统计量，而不是泛化边界那类传统理论。

论文的野心在于论证一个可检验的定量理论已经冒头了，但正文没披露任何新实验数据或定理证明，全靠引用已有工作来撑这个判断。14位作者阵容很强，Jamie Simon、Daniel Kunin等人都是这个方向活跃的研究者，所以这份“路线图”的参考价值在于帮你快速摸清当前理论圈在关心什么。

我会先打个折：它更像一篇立场论文，告诉你“这里值得挖”，而不是“这里挖到了什么”。如果你想知道具体某个理论能不能指导实际调参或解释模型行为，这篇论文不会直接回答，得顺着它列的参考文献自己去翻。