Georgia Institute of Technology（佐治亚理工学院）

Projected gradient methods for nonconvex and stochastic smooth optimization: new complexities and auto-conditioned stepsizes

投影梯度法用于非凸和随机光滑优化：新的复杂性与自适应步长

Guanghui Lan, Tianjiao Li, Yangyang Xu

机构 * School of Industrial and Systems Engineering, Georgia Institute of Technology（工业与系统工程学院，佐治亚理工学院） ； Department of Mathematical Sciences, Rensselaer Polytechnic Institute（数学科学系，伦塞拉尔理工学院） 纠错

AI总结 本文提出了一种新型投影梯度法，用于在凸紧致集上最小化非凸光滑函数，通过自适应步长策略实现最优迭代复杂性，同时在随机环境下提出新的收敛界。

Privacy Amplification in Differentially Private Zeroth-Order Optimization with Hidden States

差分隐私零阶优化中的隐私放大

Eli Chien, Wei-Ning Chen, Pan Li

机构 * Department of Electrical Engineering, National Taiwan University, Taiwan（台湾国立台湾大学电子工程系） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE), Taiwan（国立台湾大学人工智能研究中心（NTU AI-CoRE）） ； Microsoft, USA（微软公司） ； Department of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程系） 纠错

AI总结 本文研究了在差分隐私和内存约束下零阶优化的隐私放大问题，提出混合噪声机制和新耦合分析，首次获得收敛的隐状态差分隐私界。

Comments ICML 2026

Accelerated Sequential Flow Matching: A Bayesian Filtering Perspective

加速的序列流匹配：从贝叶斯过滤视角

Yinan Huang, Hans Hao-Hsun Hsu, Junran Wang, Bo Dai, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出基于贝叶斯过滤的序列贝叶斯流匹配框架，通过学习概率流在时间步间传输后验分布，实现高效采样，提升实时流处理中的推断效率。

On the Unreasonable Effectiveness of Last-layer Retraining

最后一层重训练的不合理有效性

John C. Hill, Tyler LaBonte, Xinchen Zhang, Vidya Muthukumar

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） 纠错

AI总结 本文研究了最后一层重训练方法在缓解虚假相关性和提升少数群体表现上的效果，发现其在不平衡数据集上仍能提升最差群体准确率，提出该效果可能源于隐含的组平衡而非神经坍塌缓解。