arXiv · cs.AI· Anna van Elst, Olivier Fercoq, Igor Colin, Stephan Cl\'emen\c{c}on·· 2 天前
Goal-PD：面向非光滑凸优化的高效异步 Gossip 去中心化学习算法
Fast and Efficient Asynchronous Gossip Algorithm for Robust and Non-Smooth Convex Decentralized Learning
arXiv:2601.20571v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Anna van Elst, Olivier Fercoq, Igor Colin, Stephan Cl\'emen\c{c}on
研究任务与主要进展
作者提出异步、基于 Gossip 的原始—对偶算法 Goal-PD，使每个节点无论其度数如何都仅维护两个变量，并建立其向优化问题极小点的几乎必然收敛性；当目标函数为分段线性二次函数时，作者进一步报告线性收敛结果。基于论文摘要，Goal-PD在合成和真实数据集、多种网络拓扑及中位数估计等非光滑任务上，较现有异步基线收敛更快，并因变量数量固定而显著降低内存需求。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org