热点事件持续更新
HJSO混合优化框架：低维参数兴趣点的降维LM精调
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026-09-30，arXiv《Neural and Evolutionary Computing》发表一手研究，提出混合联合选择性优化（HJSO）框架。该框架将参数分为高维剩余块与低维感兴趣参数（POI），先联合一阶优化，再冻结其余变量并对 POI 做降维 Levenberg-Marquardt 精修。实验在矩阵特征值、逆 Bratu（PINN 求解）和 100 维非线性 Black-Scholes（DeepBSDE）三个问题上进行，结果显示 HJSO 比联合一阶基线更快达到 POI 误差阈值并提升最终精度。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
HJSO 框架在三个基准问题上比联合一阶基线更快收敛并提升 POI 精度。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Neural and Evolutionary ComputingHybrid Joint-Selective Optimization：针对低维感兴趣参数的降维 Levenberg-Marquardt 精修
本文提出混合联合选择性优化（HJSO）框架，将参数分为高维剩余块与低维感兴趣参数（POI），先联合一阶优化再冻结其余变量、对 POI 做降维 Levenberg-Marquardt 精修。在矩阵特征值、逆 Bratu（PINN 求解）和 100 维非线性 Black-Scholes（DeepBSDE）三个问题上，HJSO 比联合一阶基线更快达到 POI 误差阈值并提升最终精度。
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。