PulseAugur
中
实时 00:03:22
English(EN) The Hidden Cost of Approximation in Online Mirror Descent

新研究详细介绍了在线镜像下降中的近似成本

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文探讨了在线镜像下降（OMD）中近似误差的影响，OMD是优化和机器学习的核心算法。研究揭示了所用正则化器的平滑度与算法对这些误差的鲁棒性之间存在复杂的关联。具体来说，虽然均匀平滑的正则化器对超额遗憾有严格的界限，但像单纯形上的负熵这样的障碍正则化器对近似误差很敏感，需要指数级小的误差才能避免线性遗憾。然而，负熵在单纯形上的随机损失下可以恢复鲁棒性，尽管这种好处并不适用于所有子集。 AI

影响 这项研究为机器学习中使用的优化算法的实际局限性提供了理论见解。

排序理由 该集群包含一篇在arXiv上发表的同行评审学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新研究详细介绍了在线镜像下降中的近似成本

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇在arXiv上发表的同行评审学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
111 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ofir Schlisselberg, Uri Sherman, Tomer Koren, Yishay Mansour ·

    在线镜像下降法的近似隐藏成本

    arXiv:2511.22283v2 Announce Type: replace Abstract: Online mirror descent (OMD) is a fundamental algorithmic paradigm that underlies many algorithms in optimization, machine learning and sequential decision-making. The OMD iterates are defined as solutions to optimization subprob…

相关实体

相关话题