Skip to content
Hot eventLive

HOST：用留出评分高效学习高斯DAG

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv Statistics Machine Learning 发布一手论文，提出 HOST，一种高效高斯 DAG 学习算法。该算法用逐节点留出集评分与凸回归替代子集搜索，无需预先给出入度上界。HOST 在排序步骤利用留出样本评分在期望上抬高排序分的特性实现单向误差控制，再通过递归移除间接效应恢复父节点。论文称，在合适条件下，HOST 可在多项式时间内以约 d log p 的样本复杂度精确恢复 p 节点、最大入度 d 的 DAG；实验显示其图恢复效果具竞争力且运行时间扩展性良好。

Generated from reports · updated 16 hr ago

LatestOct 5
2026-10-05 arXiv 发布 HOST 论文，称其无需入度上界即可高效学习高斯DAG。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Statistics Machine Learning
    HOST：用留出集评分实现高效高斯 DAG 学习

    论文提出 HOST，一种高效 DAG 学习算法，用逐节点留出集评分与凸回归替代子集搜索，无需预先给出入度上界。HOST 在排序步骤利用留出样本评分在期望上抬高排序分的特性实现单向误差控制，再通过递归移除间接效应恢复父节点。在合适条件下，HOST 可在多项式时间内以约 d log p 的样本复杂度精确恢复 p 节点、最大入度 d 的 DAG，实验显示其图恢复效果具竞争力且运行时间扩展性良好。

Heat trend

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

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.