关于在线模型选择与分散数据的合作必要性

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

本研究探讨了面对自适应对手时的分布式在线和掷骰机凸优化问题。结果表明,在机器能够访问查询点的一阶梯度信息时,合作是没有益处的。然而,在只能访问成本函数值的情况下,合作可能导致机器数量的线性加速。通过开发新的分布式反馈算法,研究结果在联邦对抗线性掷骰机中得到应用。这项研究填补了联邦在线优化中随机和自适应环境之间的差距。

原文中文,约500字,阅读约需2分钟。
阅读原文