研究了一辈子「遗憾」的人，说自己零遗憾：一个 AI 核心方法的二十年
2026.10.18 · 观点 · 人物观点 · 本人发布
普林斯顿教授 Elad Hazan 回顾在线凸优化二十年，串起 AdaGrad 与现代 AI 的技术脉络。
普林斯顿大学教授 Elad Hazan 撰文回顾在线凸优化（OCO）二十年发展，从 universal portfolio、Online Newton Step 到 AdaGrad，串起 OCO 与现代 AI 的技术脉络。他同时谈到 AI 越来越擅长定理证明后，选择有意思的问题、创造新框架将更重要。
- Hazan 读博第三年开始研究在线凸优化
- ONS 论文把 Newton 方法、遗憾最小化与 OCO 放进同一框架
- 与 Yoram Singer、John Duchi 合作催生自适应梯度方法…
- Hazan 认为 AI 擅长定理证明，但发明新框架相对不强
- 陶哲轩等菲尔兹奖得主联名发文引发数学界讨论
为什么值得看
从亲历者视角看懂 OCO 如何长成现代 AI 的核心方法。
适合谁关注
机器学习研究者、优化方向学生与 AI 从业者。