论文：验证与迁移的信息前沿及调用代价
Get the story
2026年10月9日，arXiv Statistics Machine Learning 发布一手论文《迁移验证：精确信息前沿及其调用代价》。论文针对“验证加迁移源任务”的方案，建立信息论与调用次数的前沿：在精确验证器下，交织源调用与 n 次验证所需的最少因果信息是一个 list rate-distortion 函数，可在首次验证前用一次观测达到；设计源对唯一答案的期望二元源调用数在 1+log_2 5 次以内，一般情形为对数级且无常数项。目前进展为该理论结果的发表，尚未见后续验证或应用报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning迁移验证：精确信息前沿及其调用代价
论文为“验证加迁移源任务”的方案建立信息论与调用次数的前沿：在精确验证器下，交织源调用与 n 次验证所需的最少因果信息是一个 list rate-distortion 函数，可在首次验证前用一次观测达到；设计源对唯一答案的期望二元源调用数在 1+log_2 5 次以内，一般情形为对数级且无常数项。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
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.