函数梯度下降新框架被 NeurIPS 接收,性能超神经网络一个量级
dccsillag0 · reddit · 2026-09-28
作者团队（一作现身答疑）的工作 Functional Gradient Descent with Adaptive Representations 被 NeurIPS 接收。
核心问题：函数梯度下降（Functional GD）算法通常优于神经网络，但难以精确实现——函数梯度是无限维的，实践中必须近似；而朴素近似会收敛到错误的位置。
贡献：论文形式化了一类广泛的近似方案（“自适应表示”，adaptive representations），可证明能保证收敛到全局极小值，同时可直接实现。所得算法在多个设置下常比对应的神经网络好一个数量级。
作者称这仍是该方向的早期阶段，但认为潜力很大。论文：arxiv.org/abs/2606.16926
所属事件:函数梯度下降新框架被NeurIPS接收，性能超神经网络一个量级(2 条相关)→
「研究」频道最新
- RECLAIM 预印本:最佳 AI agent 仅复现 41% 有代码论文结果 — VraserX · 2026-09-29
- 扩散薛定谔桥论文:迭代扩散求解熵正则最优传输加速生成建模 — skoularidou · 2026-09-29
- NeurIPS 论文揭秘蛋白质折叠模型:三模型收敛出相同两阶段机制 — rishabh16_ · 2026-09-29
- 斯坦福新课 CME 295 回归:Lecture 1 已上线 YouTube — afshinea · 2026-09-29
- Astra 通关 Zork 靠作弊?博主分析:像背攻略而非真探索 — rajammanabrolu · 2026-09-29
- USC 论文：九种 LLM 数字嵌入均现周期 2/5/10 傅里叶尖峰 — BrihiJ · 2026-09-29