**数据流形微观解析：几何估算基准框架**

_The Data Manifold under the Microscope_

> 深度学习理论与实践中存在显著差距，许多泛化误差界依赖流形假设和几何正则性，但缺乏合适基准。本文提出一个基准框架，通过扩展dSprites和COIL-20数据集并采用有限差分估算器，以近似真实值精度恢复曲率、可达性及体积，为几何估算器校准和理论假设验证提供受控测试平台。应用示例包括评估Genovese等人和Fefferman等人界限的缩放行为，并追踪β-VAE的逐层几何特性，突显受控基准对理论指导的价值。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.15760)