一篇新发表在arXiv上的研究论文介绍了一个关于平滑凸优化中基于步长的梯度下降加速的理论下界。该研究确立了最后一个迭代收敛的收敛率为 \(\\Omega(T^{-1.9319})\)，证明了仅靠步长调度无法达到最优的 \(O(T^{-2})\) 率。值得注意的是，该下界的证明是在GPT-5.6-Sol Pro的协助下开发的。 AI
影响 确立了优化算法的理论极限，可能指导未来AI模型训练的研究。
排序理由 学术论文，详细介绍了优化中的一个理论发现。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
