Jie Liu等提出新型去中心化随机优化算法

2026年11月2日，Jie Liu 等在 arXiv 发布论文，提出一种整合方差缩减与多次本地更新的去中心化随机优化算法。 该算法属于基于原始对偶的新型方法，其步长不依赖于网络规模，且与本地更新次数成反比，而非立方反比关系。 这种设计实现了显著更大的步长和更快的收敛速度。在强凸设定下，该方法首次建立了随机梯度下线性收敛的期望保证。 此外，该算法每轮仅需交换一个变量，使其通信成本相比传统的梯度追踪方法减半。

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。