English(EN) Blockwise Stabilized Adaptive Cubic Regularization with Subsolvers via Recurrence

新的块状优化器增强了用于大规模神经网络的立方牛顿方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-26 04:00

本文介绍了一种新颖的块状优化器，旨在提高用于大规模神经网络训练的立方正则化牛顿方法的效率。所提出的方法使用 Lanczos 构建的 Krylov 子空间内的无矩阵方法来处理任意大的参数张量，确保步长能够精确地最小化三次模型。与 ARC、Adam 和 L-BFGS 等现有方法相比，新的变体在性能上表现更优，特别是在一个 91.4M 参数的隐式神经表示上，其中一个变体在图像拟合任务中实现了显著更高的峰值信噪比。 AI

影响引入了一种更有效的训练大型神经网络的优化技术，有望加速神经场等领域的研究和开发。

排序理由该集群包含一篇关于新的机器学习优化方法的学术论文。[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 →

本文如何被排名

Signal score: 40 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇关于新的机器学习优化方法的学术论文。[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, infra; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Rodion Podorozhny · 2026-08-26 04:00

块状稳定自适应三次正则化与子求解器通过递推

arXiv:2608.22129v2 Announce Type: replace Abstract: Cubic regularized Newton methods have the optimal $\mathcal{O}(\epsilon^{-3/2})$ global rate, but a dense subproblem solve limits the feasible block size. Scalable Cubic Newton variants replace the true block curvature with a di…

本文如何被排名

报道来源 [1]

块状稳定自适应三次正则化与子求解器通过递推

相关实体

相关话题