热点事件持续更新
Sharp Oracle-Regret Tradeoffs for Projection-Free Online Convex Optimization
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表机器学习理论论文，研究仅依赖精确线性优化 Oracle 的在线凸优化问题。在凸 G-Lipschitz 损失、直径 D、总 Oracle 调用 Q、每轮上限 B 的设定下，给出维度无关的极小极大期望遗憾下界 Θ(GD·max{√T, T/(1+min{Q,BT})^1/4})，并对任意随机化学习器成立；论文同时给出匹配该下界的计数近似梯度方法，以及总预算和每轮保证的特殊情形。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
论文于 arXiv 发表，刻画了投影自由在线凸优化的尖锐 Oracle-Regret 权衡并给出匹配下界的算法。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Machine Learning Theory投影自由在线凸优化的尖锐 Oracle-Regret 权衡
论文刻画了仅依赖精确线性优化 Oracle 时在线凸优化的遗憾下界。在凸 G-Lipschitz 损失、直径 D、总 Oracle 调用 Q、每轮上限 B 的设定下，维度无关的极小极大期望遗憾为 Θ(GD·max{√T, T/(1+min{Q,BT})^1/4})。该下界对任意随机化学习器成立，并给出达到匹配率的计数近似梯度方法与总预算/每轮保证的特殊情形。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。