跳到正文
热点事件持续更新

AlignedHPO:高效调优损失超参数框架

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Ivan Karpukhin 与 Andrey Savchenko 提出 AlignedHPO,一个用梯度对齐和代理验证目标调优可微损失超参数的框架。它通过 Jacobian-vector 乘积降低超梯度计算的时间与内存开销,并用归一化对齐和梯度平滑处理梯度幅值歧义与随机不稳定性。 在 generalized Focal Loss 与 ArcFace 上的实验显示,该方法在长尾分类和开集人脸识别任务中性能与隐式微分相当或更优,超梯度计算速度提升近 12 倍。

AI 根据报道生成 · 14 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19日
  1. arXiv cs.AI
    AlignedHPO:基于代理引导的高效损失超参数优化框架

    AlignedHPO 是一个利用梯度对齐与代理验证目标来调优可微损失超参数的框架,通过 Jacobian-vector 乘积降低超梯度计算的时间与内存开销,并用归一化对齐和梯度平滑解决梯度幅值歧义与随机不稳定性。在 generalized Focal Loss 与 ArcFace 上的实验显示,该方法在长尾分类和开集人脸识别任务中性能与隐式微分相当或更优,超梯度计算速度提升近 12 倍。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。