待验证50% 置信事实精确时间
论文提出了 Privacy-Budget Adjoint Mirror Descent（PB-AMD）算法，结合路径伴随梯度与熵更新来求解噪声方差调度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
已验证DP-SGD是在随机梯度下降中实现差分隐私的机制，通过对逐样本梯度裁剪后再加高斯噪声实现。63% 相似待验证算法基于差分隐私的Follow-the-Regularized-Leader框架，通过自适应调整学习率和噪声尺度，利用L*较小时损失序列的集中性来降低噪声影响。62% 相似待验证差分隐私由Cynthia Dwork于2006年提出，核心思想是在数据统计或模型训练时向梯度/输出中添加随机噪声61% 相似待验证在线性二次型简化下，论文推导出平方根分配律：噪声方差（或隐私预算的分配）与迭代步数的平方根成反比。61% 相似待验证研究者提出APSD（Asymmetric Policy Optimization via Self-Distillation），通过构建正确性依赖的非对称目标分布来兼顾行为保持与错误纠正。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114511API
curl https://kongchang.com/api/v1/knowledge/claims/1114511MCP
get_claim(id=1114511)