first-order convex learning

研究发现：凸学习需要仿射聚合才能稳定收敛

一篇新发表在arXiv上的研究论文探讨了凸学习与非仿射聚合方法之间的关系。该研究证明，在保证一阶凸学习的收敛性和泛化性方面至关重要的梯度更新单调性，只有在正仿射聚合规则下才能维持。研究表明，常用于强制执行隐私或公平性等约束的非仿射聚合，从根本上阻碍了稳定收敛并降低了算法稳定性。这些发现提供了一个理论框架来解释现代学习系统中的失败案例，并提出了恢复单调性的条件。