arXiv ID:
2603.03226
在高隐私设置下自适应方法更优:一个随机微分方程的视角 / Adaptive Methods Are Preferable in High Privacy Settings: An SDE Perspective
1️⃣ 一句话总结
这篇论文通过随机微分方程分析发现,在严格的差分隐私训练中,自适应优化方法(如DP-SignSGD、DP-Adam)因其超参数对隐私级别不敏感而比传统方法(如DP-SGD)更实用,尤其在隐私要求高或噪声大的场景下表现更优。