Noise-Calibrated Curvature Recovery Method Accepted at NeurIPS 2026
热点事件持续更新
Noise-Calibrated Curvature Recovery Method Accepted at NeurIPS 2026
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Arash Jamshidi等学者发布最新研究论文，正式提出了一种基于校准目标噪声从梯度恢复曲率的新方法。该研究聚焦于解决机器学习优化过程中的曲率估计难题，旨在提升训练效率与稳定性。\n\n该方法的核心机制是向模型目标注入零均值噪声，并将噪声方差严格校准至局部输出曲率水平。这一设计使得研究者能够仅通过聚合小批量梯度即可恢复曲率信息，无需依赖逐样本梯度或计算二阶导数，从而大幅降低了计算开销。\n\n研究显示，该方法可恢复广义高斯-牛顿矩阵及前馈 ReLU 网络的 Hessian 对角块，适用于预条件加速优化及早期停止等场景。目前，这篇论文已被机器学习顶级会议 NeurIPS 2026 正式接收，标志着该技术在学术界获得认可。
AI 根据报道生成 · 22 小时前更新
最新进展11月6日 13:00
校准目标噪声从梯度恢复曲率报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · ML校准目标噪声从梯度恢复曲率
提出通过向目标注入零均值噪声且方差校准至局部输出曲率，仅从聚合小批量梯度恢复曲率信息。 该方法无需逐样本梯度或二阶导数，可恢复广义高斯-牛顿矩阵及前馈 ReLU 网络的 Hessian 对角块。 实验显示用于预条件加速优化及早期停止，论文已被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月6日 14:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
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。