FID样本最优估计论文发布

2026年10月7日，一篇题为“FID 的样本最优估计”的论文在 arXiv 的 Statistics Machine Learning 栏目发布（一手来源）。该论文研究高斯分布间 FID 估计的样本复杂度，给出经验 plug-in 估计器的偏差界为 Θ(d²/n)、方差界为 Θ(d/n + d²/n²)，并证明其样本复杂度下界为 ≳ d²。目前公开信息仅涉及该论文的理论结果，未见后续实验验证或同行评议进展报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。