University of Southern California（南加州大学）

On the Limits of Momentum in Decentralized and Federated Optimization

动量在去中心化和联邦优化中的局限性

Riccardo Zaccone, Sai Praneeth Karimireddy, Carlo Masone

机构 * Department of Computer and Control Engineering, Polytechnic of Turin（计算机与控制工程系，都灵理工学院） ； Thomas Lord Department of Computer Science, USC Viterbi School of Engineering（托马斯·劳德计算机科学系，USC维特里商学院） 纠错

AI总结 本文研究了动量在去中心化和联邦优化中的收敛性限制，证明在循环客户端参与下，动量无法克服统计异质性，且步长递减策略无法保证收敛。

Comments Accepted at the 17th Workshop on Optimization for Machine Learning (OPT@NeurIPS2025)

AutoFocus-IL: VLM-based Saliency Maps for Data-Efficient Visual Imitation Learning without Extra Human Annotations

AutoFocus-IL：基于视觉语言模型的数据高效视觉模仿学习中的显著性图

Litian Gong, Fatemeh Bahrani, Yutai Zhou, Amin Banayeeanzade, Jiachen Li, Erdem Bıyık

机构 * Department of Electrical and Computer Engineering, University of California, Riverside, USA（电气与计算机工程系，加州大学河滨分校） ； Thomas Lord Department of Computer Science, University of Southern California, USA（汤姆斯·劳德计算机科学系，南加州大学） 纠错

AI总结 AutoFocus-IL通过视觉语言模型自动生成显著性图，提升视觉模仿学习的数据效率和泛化能力，无需额外人类标注。

Comments 8 pages, 6 figures. Code and datasets available at http://autofocus-il.github.io/