机构名称：
¥ 2.0
摘要 - 深度学习中的Multi-Obigntive优化（MOO）旨在同时优化多个相互冲突的目标，这是在多任务学习和多标准学习等领域经常遇到的挑战。基于梯度的MOO方法的最新进展使发现了各种类型的解决方案，从单个平衡解决方案到有限的或什至是无限的帕累托集，并根据用户需求量量身定制。这些发展在跨领域（例如增强学习，计算机愿景，推荐系统和大语言模型）的领域都有广泛的应用。本调查提供了对深度学习中基于梯度的MOO的首次全面综述，涵盖算法，理论和实际应用。通过统一各种方法并确定关键挑战，它是推动这一不断发展的领域创新的基础资源。深度学习中MOO算法的全面列表可在https://github.com/baijiong-lin/awesome-multi-obigntive-deep-learning上找到。
基于梯度的多目标深度学习
主要关键词
相关文件推荐
