热点事件持续更新
一般比较图上MLE与Rank Centrality的图单调逐项保证
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月8日，arXiv（Statistics Machine Learning，一手来源）发布论文《一般比较图上 MLE 与 Rank Centrality 的图单调逐项保证》。论文在 Bradley–Terry–Luce 模型下研究任意固定比较图，证明标准最大似然估计与 Rank Centrality 均以高概率达到约 $1/\sqrt{\lambda_{\mathcal{D}}}$ 的逐项误差界（相差对数与动态范围因子），其中 $\lambda_{\mathcal{D}}$ 为计数加权观测图的代数连通度。该结果给出两类方法在一般图结构下的统一逐项收敛保证。目前未见后续报道或争议。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · Statistics Machine Learning一般比较图上 MLE 与 Rank Centrality 的图单调逐项保证
论文在 Bradley–Terry–Luce 模型下研究任意固定比较图，证明标准最大似然估计与 Rank Centrality 均以高概率达到约 $1/\sqrt{\lambda_{\mathcal{D}}}$ 的逐项误差界（相差对数与动态范围因子），其中 $\lambda_{\mathcal{D}}$ 为计数加权观测图的代数连通度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。