SoftServe：面向非凸目标的拟牛顿法，可扩展至超大神经网络
dianarycai · x · 2026-10-02
新预印本提出 SoftServe，一种为现代深度学习设计的拟牛顿优化方法：既适用于非凸目标函数，又能扩展到超大规模神经网络。作者包括 Julia Gower 等优化领域研究者，试图让拟牛顿法在深度学习中真正实用化。
所属事件:SoftServe 拟牛顿优化方法实现深度学习大规模扩展(3 条相关)→
「研究」频道最新
- Company Knowledge Bench:基于 1000 条真实企业查询的检索评测,7 款检索器实测 — CShorten30 · 2026-10-03
- Gacha Decoding:靠指令遵循+外部随机数,样本效率超此前方法 11 倍 — natolambert · 2026-10-03
- 新论文开篇语出惊人:智能与鹦鹉学舌的区别是计算性的 — ctjlewis · 2026-10-03
- RLE-Bench：把编码 Agent 考成机器人学习工程师的资格考 — RLE-Bench · 2026-10-03
- 蒸馏研究：KL 方向与学习率比 on-policy 更影响性能 — CambUni · 2026-10-03
- 斯坦福回顾：2018 年称自动驾驶已完成 90%，AI 如何补上最后 10% — StanfordHAI · 2026-10-03