热点事件历史事件
研究人员提出神经网络凸约束满足层Convex-SKM-Net
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年10月30日，研究人员在 arXiv 发布论文，提出一种面向神经网络凸约束满足的低延迟块半空间校正层 Convex-SKM-Net。该方法利用残差与次梯度构建线性化半空间，并采用固定深度对偶 PGD 实现快速推理。实验结果显示，Convex-SKM-Net 在 SOC-MPC 和凸 QCQP 基准上的推理速度分别最高提升 144.3 倍和 7.7 倍，测试输出均满足 10^-3 可行性容差。此外，联合学习正定 mobility 还将仿射任务平均差距降低了 22.4%，QCQP 平均目标差距仅为 0.012%。
AI 根据报道生成 · 3 天前更新
最新进展10月30日 12:00
研究人员提出 Convex-SKM-Net 层，使凸约束满足推理速度最高提升144.3倍。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.LGConvex-SKM-Net：面向神经网络凸约束满足的低延迟块半空间校正
Convex-SKM-Net 提出一种凸约束满足层，利用残差与次梯度构建线性化半空间，并采用固定深度对偶 PGD 实现快速推理。实验显示其在 SOC-MPC 和凸 QCQP 基准上推理速度分别提升最高 144.3x 和 7.7x，测试输出均满足 10^-3 可行性容差。联合学习正定 mobility 还将仿射任务平均差距降低 22.4%，QCQP 平均目标差距仅为 0.012%。
本事件热度走势
当前热度 3·可比范围峰值 7（10月31日 02:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。