Skip to content
Hot eventLive

PolyStep：通过最优传输训练不可微网络

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 12
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。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Neural and Evolutionary Computing
    PolyStep：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 $79.6 \pm 5.2\%$。

Heat trend

There is not enough continuous observation data to draw a trend yet.