跳到正文
热点事件持续更新

AI辅助证明将SMG收敛率提升至Õ(T^{-1})

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

一篇 arXiv 论文为平滑非凸随机多目标优化中的随机多梯度下降(SMG)给出新的收敛率证明:在常数步长与线性增长小批量下,T 次迭代后期望平方经验 Pareto 平稳性度量为 Õ(T^{-1}),优于 Chen 等人(JMLR 2024)的 Õ(T^{-1/4}),且不要求梯度有界。该证明由 AI 辅助生成。 论文称,在标准假设下即可得到上述收敛率。这一结果改进了此前 SMG 的收敛率上界。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    AI 辅助证明改进随机多梯度下降收敛率,将界从 Õ(T^{-1/4}) 提升至 Õ(T^{-1})

    一篇 arXiv 论文为平滑非凸随机多目标优化中的随机多梯度下降(SMG)给出新的收敛率:在常数步长与线性增长小批量下,T 次迭代后期望平方经验 Pareto 平稳性度量为 Õ(T^{-1}),优于 Chen 等人(JMLR 2024)的 Õ(T^{-1/4}),且不要求梯度有界。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。