Convex-SKM-Net：低延迟凸约束满足层，推理提速 144 倍
原文标题：Convex-SKM-Net: Low-Latency Block Halfspace Corrections for Neural Convex Constraint Satisfaction
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 Convex-SKM-Net，一种凸约束满足层，利用残差与（次）梯度预言机构造线性化半空间，无需约束专用投影器，并以固定深度对偶投影梯度下降在 GPU 上求解。在二阶锥模型预测控制任务上推理提速最高 144.3 倍，QCQP 基准提速 7.7 倍，平均目标差距仅 0.012%。
- 问题
- 学习型决策需快速推理且严格满足约束，现有方法依赖专用投影器或迭代修复，代价高。
- 方法
- 用残差与（次）梯度预言机构造线性化半空间，以固定深度对偶投影梯度下降在 GPU 上求解，并联合学习校正几何。
- 结果
- SOC-MPC 推理最高提速 144.3 倍，QCQP 基准提速 7.7 倍，平均目标差距 0.012%，全部输出满足 10^-3 可行性容差。
- 影响
- 让约束满足层可嵌入实时控制与调度系统，替代昂贵的迭代修复。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。