深度学习泛化研究表明，隐式正则化通过优化算法控制网络复杂度，是模型成功的关键。研究从理论和实证角度分析了ReLU网络参数空间几何、梯度下降的自动平衡机制及低秩张量正则化，并探索了点云隐式表示、噪声扰动等方法，揭示了优化在泛化中的核心作用。