arXiv · cs.AI· Adam Bos\'ak, Andrii Kliachkin, Gilles Bareilles, Allen Gehret, Allahkaram Shafiei, Jana Lep\v{s}ov\'a, Jakub Mare\v{c}ek·· 1 天前
面向约束机器学习的随机惩罚屏障方法
Stochastic Penalty-Barrier Method for Constrained Machine Learning
arXiv:2605.18618v3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：Adam Bos\'ak, Andrii Kliachkin, Gilles Bareilles, Allen Gehret, Allahkaram Shafiei, Jana Lep\v{s}ov\'a, Jakub Mare\v{c}ek
研究任务与主要进展
面向约束机器学习，研究者提出随机惩罚屏障方法SPBM，通过对偶变量指数平均、稳定化惩罚调度和Moreau包络处理非光滑问题。研究分析了小批量训练对屏障函数的偏差；在多个公平性与物理信息神经网络实验中，SPBM具有竞争力，约束数从90增至9900时，每轮运行时间仍与约束数量基本无关，并控制在正则化Adam的1.3倍以内。
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