SG-TULA面向非凸目标分布采样
热点事件持续更新
SG-TULA面向非凸目标分布采样
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Iosif Lytras、Nikolaos Makras和Sotirios Sabanis提出SG-TULA，用于非光滑、梯度超线性增长的非凸目标分布采样；算法直接处理次梯度，并给出Wasserstein-2非渐近收敛界和优化风险估计。 论文称，他们以GPT-2系列大语言模型的正则化预训练势函数验证了算法假设，并给出明确常数；其增强型逐坐标变体在该预训练任务中的表现，被称可与微调后的AdamW和Muon竞争。
AI 根据报道生成 · 48 分钟前更新
最新进展10月28日 12:00
超越凸性：驯服次梯度非校正朗之万算法（SG-TULA）报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning超越凸性：驯服次梯度非校正朗之万算法（SG-TULA）
研究提出 Subgradient Tamed Unadjusted Langevin Algorithm（SG-TULA），用于非光滑、梯度超线性增长且非凸的目标分布采样，直接处理次梯度而无需高计算量的平滑处理。
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。