热点事件持续更新
约束在线凸优化算法取得多对数级约束违规界突破
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月6日，arXiv发布的一项机器学习研究针对对抗性损失与约束下的带约束在线凸优化（COCO）问题提出了新型在线策略。该策略结合了连续Hedge与收缩可行集消除机制，在保持近优 $O(\sqrt{T\log T})$ 遗憾界的同时，成功将累积约束违规（CCV）从现有的 $\tilde{O}(\sqrt{T})$ 显著降至多对数量级的 $O(\log^2 T)$。
AI 根据报道生成 · 2 小时前更新
最新进展10月6日 12:00
新研究结合连续Hedge与消除机制，将COCO累积约束违规降至多对数量级。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 机器学习带约束在线凸优化 COCO 实现 $\tilde{O}(\sqrt{T})$ 遗憾界与多对数约束违规
针对对抗性损失与约束下的带约束在线凸优化（COCO），新研究提出一种结合连续 Hedge 与收缩可行集消除机制的在线策略。该策略在保持近优 $O(\sqrt{T\log T})$ 遗憾界的同时，将累积约束违规（CCV）从现有的 $\tilde{O}(\sqrt{T})$ 显著降至多对数量级的 $O(\log^2 T)$。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。