دنیای هوش مصنوعی و مدلهای بزرگ ریاضی همواره با چالشهای بهینهسازی دستوپنج نرم کردهاند. محققان به تازگی نسخه ارتقایافتهای از الگوریتم کلاسیک L-BFGS را معرفی کردهاند که مشکل ناپایداری عددی و «انفجار مقدار شرط» (exploding condition number) را در شرایط پیچیده و غیرمحدب حل میکند.
این روش جدید با استفاده از یک «پوشش هندسی دوطرفه»، پایداری مدل را تضمین کرده و بدون اضافه کردن بار محاسباتی سنگین، دقت و سرعت همگرایی را به شکل چشمگیری در مسائل بهینهسازی با ابعاد بالا بهبود میبخشد. یک گام مهم دیگر برای یادگیری ماشین سریعتر و قابلاعتمادتر! 🧠⚡️
منبع: arXiv Machine Learning