AdaScale SGD 是一种适应大批量训练学习率的算法，通过调整梯度方差加速训练并保持模型质量。该算法无需新超参数，适合大规模训练。此外，研究还提出了 SIBERT 版本的 BERT 和 AdaGrad-Norm 方法，显著降低通信开销，提高收敛性，适用于非凸光滑函数。

小批量随机梯度下降（SGD）训练深度神经网络（DNNs）具有卓越的测试性能。差分隐私（DP）确保 DNN 的训练时，DP-SGD 会向截断梯度添加高斯噪声。大批量训练仍然导致性能下降，因为强 DP 保证需要使用大规模批次。无噪声 SGD 也存在隐式偏差，加入额外噪声会放大偏差。大批量 DP-SGD 训练的性能问题根源于 SGD 的潜在原则，为大批量训练策略的改进提供了希望。