跳到正文
热点事件持续更新

Oikonomou和Loizou提出CS-SAM算法及其收敛性证明

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月22日，研究者Dimitris Oikonomou和Nicolas Loizou在arXiv平台上发布了一篇标题为《CS-SAM：突破平滑性假设的曲率缩放锐度感知最小化收敛分析》的论文。该研究旨在解决锐度感知最小化（SAM）方法在缺乏平滑性假设时缺乏收敛保证的技术难题。 研究团队提出了曲率缩放SAM（CS-SAM）优化方法。该方法通过缩放扰动和下降步长，统一控制相对梯度畸变，从而在弱于标准平滑性的$(L_0,L_1)$或$(H_0,H_1)$-光滑性条件下，证明了非凸目标函数达到$\mathcal{O}(1/T)$的收敛速率。

AI 根据报道生成 · 13 小时前更新

最新进展10月22日 12:00
CS-SAM：突破平滑性假设的曲率缩放锐度感知最小化收敛分析

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · ML
    CS-SAM：突破平滑性假设的曲率缩放锐度感知最小化收敛分析

    针对SAM方法在缺乏平滑性假设时收敛保证缺失的问题，提出曲率缩放SAM（CS-SAM）。该方法通过缩放扰动和下降步长统一控制相对梯度畸变，在$(L_0,L_1)$或$(H_0,H_1)$-光滑性下证明非凸目标非凸函数达到$\mathcal{O}(1/T)$收敛速率。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 15:00
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。