stiefel-manifold

本文介绍了NS-RIS，一种基于Newton-Schulz回缩的可扩展算法，用于在Stiefel流形上学习隐藏量子马尔可夫模型，首次提供了数学性能保证和实证证据，表明HQMM在非量子生成的数据上可以优于EM训练的HMM。

提出PP-CPCANet，一种用于领域泛化的无协方差框架，其在Stiefel流形上学习全局正交基，并在四个基准数据集上实现了SOTA性能。

本文介绍 MAPL，一种针对流水线并行中激活值进行学习型正交压缩的方法，通过 Stiefel 流形约束和逐阶段分解锚定嵌入，在保持性能的同时降低通信开销。

FoRA提出了一种参数高效微调方法，通过Fisher评分选择任务相关层，并在Stiefel流形上训练LoRA下投影，在保持精度的同时减少参数。