一篇新发表在arXiv上的研究论文探讨了变分量子优化器的性能,特别是比较了Adam、SPSA和量子自然梯度(QNG)。研究强调了不同的报告惯例,例如将运行时间设定为目标损失或在单点进行评估,会显著改变这些优化器感知到的有效性。审计显示,SPSA达到目标损失所需的评估次数是Adam的两倍多,而这一差距被常见的报告实践所掩盖。此外,该论文表明,当实际计算其指标计算的计算成本时,QNG在达到严格目标方面的优势会减弱,这表明该领域需要更透明和全面的报告标准。 AI
影响 强调了优化算法报告基准的潜在偏差,影响了对AI模型训练方法的评估。
排序理由 发表在arXiv上的研究论文,详细介绍了优化算法的比较审计。[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 →