一般比较图上MLE与Rank Centrality的图单调逐项保证
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- 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。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.