跳到正文
热点事件持续更新

Zimeng Wang 等发布联邦优化方法 AdaFed 论文

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026 年 10 月 30 日，Zimeng Wang 等人在 arXiv 的 cs.lg 领域发布论文，提出联邦优化方法 AdaFed。 该方法的核心创新在于能在单一参数选择下自适应多种优化区域，无需针对不同场景调整设置。 论文证明，AdaFed 在确定性光滑非凸或光滑凸目标下取得 $O(1/T)$ 收敛率，在 Lipschitz 非光滑凸目标下取得 $O(1/\sqrt{T})$ 收敛率（含对数因子）。 此外，研究还表明在弱尾随机梯度噪声假设下，这些收敛保证可扩展至随机设置，提升了方法在实际随机优化环境中的适用性。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
联邦优化方法 AdaFed 实现光滑与非光滑区域的自适应

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · ML
    联邦优化方法 AdaFed 实现光滑与非光滑区域的自适应

    AdaFed 是一种联邦优化方法，可在单一参数选择下适应多种优化区域。 它在确定性设置下，对光滑非凸和光滑凸目标函数取得 $O(1/T)$ 收敛率，对 Lipschitz 非光滑凸目标函数取得 $O(1/\sqrt{T})$ 收敛率（含对数因子）。在弱尾随机梯度噪声假设下，这些保证扩展至随机设置。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

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。