基于随机模型的优化方法近年来在机器学习领域得到越来越多的关注。相比传统的随机梯度方法,随机模型方法通常具有更好的步长选择鲁棒性和迭代稳定性,在相位恢复等非光滑和非凸优化问题中得到很好的应用。本次报告将介绍我们在随机模型优化方法方面的研究进展,以及相关方法在基于优化的元学习、分布式优化、异构联邦学习等问题中的应用。