新预印本将随机多梯度下降 SMG 收敛率改进至 O~(T^-1)
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
最新进展11月18日 13:00
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报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIChatGPT 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。