新研究：基于信息测度的 Minimax 量化边界统一框架
chaumian · x · 2026-08-24
论文提出了一种统一的信息论框架，用于推导 Minimax 量数的下界。该框架基于一个损失自适应的 Neyman-Pearson 元逆命题，将先验和损失诱导的小球几何与实验的统计可区分性分离开来。通过放松这一单一测试界限，可以恢复基于 f-信息、Sibson 信息、最大泄漏和 Amemiya 范数的逆命题。经典的 Fano 和 Le Cam 下界作为特例被包含在内。作者还利用该框架推导了高斯加权随机块模型和低秩矩阵估计的有限样本界限。
「研究」频道最新
- 新论文：块三角联合漂移实现单步生成式代理模型 — chaumian · 2026-09-23
- LLM 当概率分类器不够,研究者提醒需校准才能用于决策 — PMinervini · 2026-09-23
- 自我纠错:并行搜索削弱 Grover 优势,AES-256 更难被量子破解 — Jsevillamol · 2026-09-23
- 双优化环分工：Wasserstein 自编码器与 TabPFN 解耦光学材料优化 — bravo_abad · 2026-09-23
- Hodge 与 Yang-Mills 猜想尚无完整 Lean 形式化，短期更难被攻克 — Jsevillamol · 2026-09-23
- Steve Hsu：人类数学只是可压缩的极小子集，AI 将远超人类前沿 — burny_tech · 2026-09-23