ZEMA 优化器方法发布

Ali Dadsetan、Domenic Rosati 和 Frank Rudzicz 提出了 ZEMA（Z-score Evidence Momentum Adaptation）优化方法。该架构通过计算坐标级 z-score，将梯度不确定性转化为符号概率。 该方法仅需维护单一指数移动平均状态即可运行。其所需的逐样本方差可从批次中的小部分数据估计得出，且该优化目标被标记为 NeurIPS 2026。 相较于 Adam，ZEMA 逐步时间成本增加 4.6 倍。但其优势在于能减少验证损失波动，并更一致地恢复全数据集梯度符号。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。