研究状态耦合方式对优化器调度泛化的影响

M. Harper Langston 等作者发布 arXiv 论文（arXiv:2610.32801，NeurIPS OPT-ML 2026 Workshop 投稿），比较学习型优化器调度中乘性与加性两种求解器状态耦合方式的分布外泛化。研究方法是对 MAX-CUT 连续惩罚松弛展开经典求解器并做反向传播来学习调度。 论文称，状态自适应的双线性（乘性）调度在分布外场景下优于未训练的基线，该结果基于 15 个随机种子的实验（t=4.1）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。