跳到正文
热点事件持续更新

新预印本将随机多梯度下降 SMG 收敛率改进至 O~(T^-1)

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

一篇 arXiv 预印本证明,在光滑非凸随机多目标优化中,随机多梯度下降(SMG)采用常数步长和线性增长的 mini-batch 时,算法输出处的期望平方 Pareto-平稳性度量可达 O~(T^-1),改进了 Chen et al.(JMLR, 2024)的 O~(T^-1/4) 界,且不需有界梯度假设。 论文作者 Lisha Chen 称,这一证明是在为研究生课程准备作业时偶然发现的:ChatGPT 5.4 Thinking Extended 应对其撰写的作业解答提示给出了主结果最初的证明思路,作者随后验证并重新组织了论证。

AI 根据报道生成 · 14 分钟前更新

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
    ChatGPT 5.4 Thinking 协助证明:随机多梯度下降 SMG 收敛率的改进填平空隙

    一篇 arXiv 预_print 证明,在光滑非凸随机多目标优化中,随机多梯度下降(SMG)在常数步长和线性增长的 mini-batch 下,输出处的期望平方 Pareto-平稳性度量达 $\tilde{O}(T^{-1})$,改进了 Chen et al.(JMLR, 2024)的 $\tilde{O}(T^{-1/4})$ 界且不需有界梯度。

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。