TMLR 论文用 Riccati 框架解析多任务学习互动动力学

TMLR 论文《The Dynamics of Task Interactions in Deep Linear Multi-Task Networks》将 Riccati 方程分析框架扩展至线性网络中的多任务学习，解析任务互动如何展开。研究发现，数据中的任务对齐度与量级失衡会决定学习速度和互动动态，为任务分组、动态加权等经验做法提供理论解释。