MGO-SC 优化器论文发布

2026年10月27日，arXiv 发布论文《Moment-Guided Optimizers for Noisy Deep Learning》，提出一种名为 MGO-SC 的新优化器。该优化器属于 Adam 风格更新，核心创新是通过符号一致性门控来调整更新方向。实验在 CIFAR-10 数据集上使用 ResNet-18 模型进行，测试条件为 40% 对称标签噪声。结果显示，MGO-SC 较 AdamW 基线性能提升 1.4 个百分点。论文强调该变体不引入二阶信息，以提升效率。作者已在 arXiv 页面开放代码与原始日志，便于复现。测试基于匹配学习率与解耦权重衰减的设置。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。