该文综述彩票假设在自然语言处理与强化学习中的应用：通过压缩比筛选“中奖子网络”，可匹配全模型性能，并出现相位转变的“超级彩票”，提升BERT微调与多任务学习。研究还扩展到视觉语言模型、深度生成模型、扩散模型及领域通用模型，并用于模型版权保护。
深度神经网络参数量大却能泛化，传统偏差-方差权衡难以解释。文章基于奥卡姆剃刀、最小描述长度和柯尔莫哥洛夫复杂度指出，参数量并非复杂度的有效度量。双下降风险曲线、内在维度、层间鲁棒性差异及彩票假设表明，网络实际有效复杂度远低于表面，仅少数关键子结构决定性能。
完成下面两步后，将自动完成登录并继续当前操作。
