数学家借助 GPT 解决搁置多年的梯度下降收敛常数难题
konstmish · x · 2026-08-03
作者与合作者在 2019 年发表了关于梯度下降中自适应估计梯度 Lipschitz 常数的论文，并在 2023 年将估计的常数因子从 1/2 收紧至 1/√2，但一直无法确定能否进一步收紧到 1。
最终，他们借助 GPT 解决了这个遗留问题：证明即使常数因子为 0.98，该方法也无法收敛。模型还生成了一个 PEP（性能估计问题）风格的反例，这是作者在 2019 年亲自尝试使用 PEP 时未能做到的。作者认为这很好地展示了 LLM 在辅助数学研究方面的实用价值。
所属事件:研究者借助GPT解决梯度下降常数证明难题(2 条相关)→
「研究」频道最新
- 合成细胞 SpudCell 是否为镜像生命铺路?研究者回应技术瓶颈 — NikoMcCarty · 2026-09-22
- 3800 字长文追问:类器官到底对阿尔茨海默病研究有用吗? — owl_posting · 2026-09-22
- Aethos 企业 RAG 基准 42k 文件拿下 94%,逼近基准有效上限 — rohanpaul_ai · 2026-09-22
- Meta 团队提出 LION:用稀疏 KV 记忆层解决推荐系统偏好漂移 — armand_ruiz · 2026-09-22
- AMD 工程师受 gemm ladder 启发发布 GEMM 优化教程博客 — simran_s_arora · 2026-09-22
- Every 评测负责人：别信 MMLU-Pro，该建你自己的 AI 基准 — danshipper · 2026-09-22