Skip to content
Hot eventLive

论文：非平稳学习中的数据复用方法 ECR

1 reports1 sources4 hr ago updated

Get the story

AI overview

2026年10月8日，arXiv 平台 Statistics Machine Learning 栏目发布一篇关于非平稳学习中数据复用的论文。论文研究非平稳环境下的在线学习，目标是追踪在有限个循环取值间突变的未知参数，并量化数据复用的基础权衡，指出其与经典偏差-方差困境相似。作者提出任意时刻算法 Exposure-Capped Reuse（ECR），结合在线变化检测、兼容性检验与“污染”控制。论文刻画了 ECR 遗憾随不同取值数量而非变化次数增长的区间，并给出信息论下界，证明其近 minimax 最优性。

Generated from reports · updated 3 hr ago

LatestOct 8
arXiv 发布非平稳学习数据复用论文，提出 ECR 算法并证明其近 minimax 最优性。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Statistics Machine Learning
    非平稳学习中的数据复用

    论文研究非平稳环境下的在线学习，目标是追踪在有限个循环取值间突变的未知参数，并量化数据复用的基础权衡，指出其与经典偏差-方差困境相似。作者提出任意时刻算法 Exposure-Capped Reuse（ECR），结合在线变化检测、兼容性检验与“污染”控制。论文刻画了 ECR 遗憾随不同取值数量而非变化次数增长的区间，并给出信息论下界，证明其近 minimax 最优性。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

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.