研究人员推出了一种新颖的随机约束决策方法——残差控制乘数学习（RCML）。该方法解决了在嘈杂的迷你批次反馈下鲁棒地更新乘数所面临的挑战，而这通常会阻碍标准的对偶方法。RCML将乘数更新分解为用于原始下降的压力信号和用于跟踪的记忆残差，从而增强了各种任务中的可行性控制和稳定性。 AI
影响 引入了一种新方法，以提高复杂决策场景中的稳定性和可行性。
排序理由 该集群包含一篇详细介绍随机约束决策新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.07088v1 Announce Type: new Abstract: Stochastic constrained decision-making requires optimizing performance objectives while enforcing statistical requirements such as safety or fairness. However, standard primal--dual methods struggle to update multipliers robustly un…
Stochastic constrained decision-making requires optimizing performance objectives while enforcing statistical requirements such as safety or fairness. However, standard primal--dual methods struggle to update multipliers robustly under stochastic mini-batch feedback, as the noise…