热点事件持续更新
PolyStep：通过最优传输训练不可微网络
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv（Neural and Evolutionary Computing）发布论文，提出 PolyStep，一种仅前向的优化器：用旋转多面体探针评估，并沿探针方向加权平均移动参数块，权重来自单侧熵传输。理论分析给出正则单纯形、单调脊损失与有界可测损失下的下降条件。实验在 MNIST 硬阈值脉冲神经元上进行，PolyStep 达到 93.0±0.2%，优于最佳调参无梯度基线的 79.6±5.2%。目前公开信息仅此一篇报道，未见后续验证或同行评议结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
论文提出仅前向优化器 PolyStep，在 MNIST 硬阈值脉冲神经元上达 93.0±0.2%，优于无梯度基线。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Neural and Evolutionary ComputingPolyStep：通过最优传输训练不可微网络
论文提出 PolyStep，一种仅前向的优化器，用旋转多面体探针评估并沿探针方向加权平均移动参数块，权重来自单侧熵传输。理论分析给出正则单纯形、单调脊损失与有界可测损失下的下降条件。在 MNIST 硬阈值脉冲神经元上，PolyStep 达 $93.0 \pm 0.2\%$，优于最佳调参无梯度基线的 $79.6 \pm 5.2\%$。
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。