Skip to content
Hot eventLive

ORACLE：优化器相对约束学习方法发布

1 reports1 sources4 hr ago updated

Get the story

AI overview

2026年10月8日，arXiv Machine Learning Theory（一手来源）发布论文，提出 ORACLE，一种面向约束学习的优化器相对对齐方法。该方法在优化器更新后评估约束兼容性，通过对异构约束族做联合端点线性化，在优化器自身几何中构建对齐并限定其权限，验证通过后才提交。论文在八个偏微分方程基准和四种优化器上进行评测，结果显示 94% 的配置优于或持平原生优化器；跨模型分析中 92% 的配置呈现相同行为。目前公开信息仅涉及该论文内容，未见后续独立验证或应用报道。

Generated from reports · updated 3 hr ago

LatestOct 8
arXiv 发布 ORACLE 论文，称其在八个 PDE 基准、四种优化器上 94% 配置优于或持平原生优化器。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Machine Learning Theory
    ORACLE：面向约束学习的优化器相对对齐方法

    论文提出 ORACLE，一种在优化器更新后评估约束兼容性的约束学习方法，通过对异构约束族做联合端点线性化，在优化器自身几何中构建对齐并限定其权限，验证后才提交。ORACLE 在八个偏微分方程基准和四种优化器上评测，94% 的配置优于或持平原生优化器，跨模型分析中 92% 的配置呈现相同行为。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.