线性优化遗憾值曲率研究获进展

2026年10月3日，arXiv cs.LG 刊出一篇关于上下文线性优化中遗憾值曲率的研究。该研究针对线性优化决策聚焦学习中优化器不连续的问题，证明这种非光滑的逐点行为在数据分布平均后局部呈二次型，并给出闭式曲率——一种支撑在法扇壁上的矩阵值测度，仅依赖可行集。研究还表明，该曲率可用一次到可行集的投影进行可计算近似，并证明其弱收敛于真实总体曲率。在电池套利实验中，该方法相比均匀分配取得 30.8% 的遗憾值改进。目前该研究以预印本形式发布，后续进展有待观察。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。