معاملَة التحديث الأقصى

إطار تدريج للشبكات العصبية يُحدّد قواعد لتهيئة الأوزان ومعدّلات التعلّم ومُضاعِفات المخرجات بحيث تبقى تحديثات السمات بحجم Θ(1) مع نمو العرض، مما يُتيح تعلّم سمات حقيقي ونقلاً فورياً للمعاملات الفائقة عبر الأحجام.

A scaling framework for neural networks that prescribes width-dependent rules for initialization, learning rates, and output multipliers so that feature updates remain Θ(1) as width grows, enabling genuine feature learning and zero-shot hyperparameter transfer across scales.