速報 γ-weakly θ-up-concavity：一階條件與上線性化的非凸優化框架 非凸函數優化長期是機器學習與組合優化的核心難題。研究提出γ-weakly θ-up-concavity，一種新的第一階條件，能廣泛刻畫尺度相關的曲率行為，包含先累積後遞減的報酬與平坦起始等模式。論文的主要理論貢獻在於證明此類函數可被上線性化：對任一可行點都能構造線性代理，且其增益可由曲率參數與可行域幾何顯式地給出近似係數。
