Google（谷歌）

Efficient Long-Horizon Learning for Learned Optimization

用于学习优化的高效长时学习

Xiaolong Huang, Benjamin Thérien, James Harrison, Eugene Belilovsky

机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Google DeepMind（谷歌DeepMind） ； Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） 纠错

AI总结 研究针对学习优化中当前元训练方法的局限，提出高效长时（ELO）学习算法，重新分配计算并实施监督，提升长展开性能和分布外泛化能力，在多任务中表现出色，且元训练所需GPU时长少。

Comments Meta-learning, learned optimization

Fixed-Parameter Tractability of Private Synthetic Data Generation

私有合成数据生成的固定参数可处理性

Badih Ghazi, Cristóbal Guzmán, Pritish Kamath, Alexander Knop, Ravi Kumar, Pasin Manurangsi

机构 * Google Deepmind（谷歌DeepMind） ； Institute for Mathematical and Computational Engineering, Faculty of Mathematics and School of Engineering, Pontificia Universidad Católica de Chile（数学与计算工程学院、数学系和工程学院、智利天主教大学） 纠错

AI总结 研究差分隐私下合成数据生成问题，通过查询族关联图的树宽参数建立固定参数可处理性，提出两种最优算法。

Comments Fixed typos. Included new results on tighter error rates for bounded treewidth families (now in Section 5)