PolyStep：用最优传输训练不可微网络

研究者提出前向优化器 PolyStep，通过旋转多面体探针并沿探针方向的加权平均移动参数块，权重来自单侧熵最优传输，从而训练含硬阈值、量化和离散路由等不可微操作的网络。在 MNIST 硬阈值脉冲神经元任务上，PolyStep 达到 93.0 ± 0.2%，优于最佳梯度无关基线的 79.6 ± 5.2%。该方法的查询成本与每步搜索维度成正比，限制了固定预算下的更新次数。