热点事件持续更新
重尾噪声下无参数区间动态遗憾界研究
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv机器学习理论方向发布一篇论文，研究重尾噪声下的无参数区间动态遗憾界。该论文针对在线凸优化问题，假设每轮仅获得一个无偏随机次梯度，且条件p阶噪声矩未知（1<p≤2），给出对任意固定区间I的期望遗憾上界。学习器不使用G、σ、p、I、P_I，常数为通用值；区间自适应仅增加比较器复杂度，保留均值梯度与噪声的独立指数。分析还给出相对熵依赖非均匀先验的通用定理、1+log(T/n)的区间代价及变化测度下界。目前报道仅涉及该论文内容，未见后续验证或讨论。
AI 根据报道生成 · 15 小时前更新
最新进展10月5日 12:00
arXiv发布重尾噪声下无参数区间动态遗憾界论文，给出期望遗憾上界及相关定理。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Machine Learning Theory重尾噪声下的无参数区间动态遗憾界
该论文研究每轮仅获得一个无偏随机次梯度、条件 p 阶噪声矩未知（1<p≤2）的在线凸优化问题，给出对任意固定区间 I 的期望遗憾上界。学习器不使用 G、σ、p、I、P_I，常数为通用值；区间自适应仅增加比较器复杂度，保留均值梯度与噪声的独立指数。分析还给出相对熵依赖非均匀先验的通用定理、1+log(T/n) 的区间代价及变化测度下界。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5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。