表征学习能否与损失最小化解耦？极化更新给出答案

矩阵 Muon 的极化归一化更新表明表征学习可与损失最小化解耦：在接近稳定性边缘时，即便全批次训练损失停滞或进入周期振荡，特征仍会持续与教师子空间对齐。在全部 33 种激活函数配置中，学生模型的平均梯度外积（AGOP）在损失平台期均持续有效对齐，且该现象在深度残差网络中亦能复现。