用p-进数方法学习数据流形，并设计公平博弈基准任务。

$p$-adic Manifold Learning and Benchmark Tasks from Impartial Games

• 基于p-进数构造流形学习新框架
• 提出可计算的算法求解该问题
• 利用公平博弈设计可复现的评测任务

我们提出p-进数流形学习方法，设计相应可计算的算法，并基于公平博弈构建一系列基准评测任务。该框架将数论中的p-进数结构引入机器学习，使高维数据在非欧空间中具有更自然的几何表示。通过定义博弈状态为数据点，利用公平博弈的对称性生成具有结构性的测试集，从而实现对模型泛化能力的严格评估。该工作为非标准度量空间中的学习任务提供新范式，并推动了数学与机器学习的交叉研究。

原文摘要 · Abstract (English)

We introduce $p$-adic manifold learning, propose an algorithm to solve it, and propose benchmark tasks from impartial games.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。