AI Paper Lab
ICML 2026 주요 논문을 직접 체험하세요
각 탭에서 논문의 핵심 개념을 인터랙티브하게 경험할 수 있습니다. CPU 탭은 즉시 실행, ZeroGPU 탭은 첫 실행 시 20–40초 대기 발생.
📄 To Grok Grokking: Provable Grokking in Ridge Regression
ICML 2026 Honorable Mention | Xu et al.
AI 모델이 처음에는 훈련 데이터를 암기하다가 어느 순간 갑자기 진짜 원리를 일반화하는 현상을 수학적으로 증명. 릿지 회귀라는 단순 모델로 이 "그로킹" 현상이 왜 발생하는지 해석적으로 규명.
체험: 슬라이더를 조절해 그로킹이 언제 발생하는지 직접 확인하세요.
훈련 데이터 수↓ → 암기 기간 더 길어짐정규화 강도↑ → 일반화 촉진 (그로킹 가속)
5 50
0.001 0.1
100 2000