研究团队提出差分隐私超参迁移框架DP-μP

2026年10月19日，arXiv机器学习领域发表研究成果，研究团队正式提出DP-μP框架。该框架将极大更新参数化（μP）成功扩展至差分隐私（DP）训练中，解决了标准μP在面临隐私约束时失效的问题。具体机制上，该方法结合了信噪比条件与谱缩放技术，为DP-SGD、DP-Adam以及DP-Muon等主流差分隐私优化器提供了逐层学习率缩放规则，推动了差分隐私场景下的跨模型规模超参数迁移。

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。