University of Toronto（多伦多大学）

Gradient Descent's Last Iterate is Often (slightly) Suboptimal

梯度下降的最后迭代往往（略）次优

Guy Kornowski, Ohad Shamir

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； University of Toronto（多伦多大学） 纠错

AI总结 本文研究了使用梯度下降或其随机变体进行凸Lipschitz函数最小化时最后迭代收敛性，证明了在无先验知识的情况下，无法避免在任何时间范围内具有多项对数因子的次优误差。

Algorithms Trained on Normal Chest X-rays Can Predict Health Insurance Types

在正常胸部X光上训练的算法可以预测健康保险类型

Chi-Yu Chen, Rawan Abulibdeh, Arash Asgari, Sebastián Andrés Cajas Ordóñez, Leo Anthony Celi, Deirdre Goode, Hassan Hamidi, Laleh Seyyed-Kalantari, Ned McCague, Thomas Sounack, Po-Chih Kuo

机构 * National Taiwan University Hospital, Taiwan（台湾国立台湾大学医院） ； University of Toronto, Canada（加拿大多伦多大学） ； York University, Canada（加拿大约克大学） ； MIT Critical Data, United States of America（美国MIT Critical Data） ； Massachusetts Institute of Technology, USA（美国麻省理工学院） ； Mass General Brigham, USA（美国麻省总医院） ； Dana-Farber Cancer Institute, USA（美国达纳-法伯癌症研究所） 纠错

AI总结 研究显示，通过训练胸部X光图像的深度模型，可预测患者的健康保险类型，揭示社会不平等的隐含特征，挑战医学影像的中立性假设。

Comments Accepted by MIDL 2026