论文主张深度学习采用约束而非固定惩罚

一篇已被 NeurIPS 2026 Position Paper Track 接收的立场论文主张，深度学习面对安全等级、公平性限制和稀疏预算等不可妥协要求时，应直接求解约束问题，而不是用固定惩罚构造替代目标。 论文称，在非凸场景下，约束问题与固定惩罚问题通常不等价；惩罚系数还需要通过反复进行完整训练来试错，并会把硬性要求弱化为可以与任务性能权衡的软惩罚。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。