arXiv发布内存计算高效的近似伴随在线学习方法
热点事件持续更新
arXiv发布内存计算高效的近似伴随在线学习方法
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月20日,arXiv机器学习分类下发布一篇关于混合模型在线学习的技术报告。报告提出一种近似伴随梯度方法,该方法保留全轨迹伴随递归,但仅对局部拉回算子进行近似。 该方法在稀疏锚点处计算精确拉回,中间环节使用恒等或冻结拉回传播敏感性,从而支持混合模型的高效在线学习。在三个系统的测试中,该方法使峰值内存降低十倍,运行时间缩短四倍,同时保持了可比的训练精度。
AI 根据报道生成 · 13 小时前更新
最新进展11月20日 13:00
混合模型内存与计算高效的在线学习近似伴随方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML混合模型内存与计算高效的在线学习近似伴随方法
提出近似伴随梯度方法,保留全轨迹伴随递归,仅近似局部拉回算子,在三个系统测试中峰值内存降十倍、运行时间缩短四倍。 方法在稀疏锚点计算精确拉回,中间用恒等或冻结拉回传播敏感性,支持混合模型在线学习。 结果显示近似梯度可维持可比训练精度,证明有效在线学习无需精确梯度。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 16:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。