CMU Ramdas 团队新论文给出迭代算法 anytime-valid 误差界通用配方
_onionesque · x · 2026-10-20
arXiv 新论文（Soham Bonnerjee、Aaditya Ramdas）提出了为一大类随机迭代算法构造数据自适应 anytime-valid 误差界的通用配方。
- 问题：多数迭代算法的收敛保证只针对固定迭代数，无法为“数据依赖的停止时间”提供正当性；已有 anytime-valid 界要么过于保守（确定性界），要么逐算法逐噪声模型单独推导。
- 核心思路：许多算法的性能度量满足一步递推，从而把整个误差分析归结为一个通用条件——可预测加权和噪声和的时间一致集中性（strongly adapted sub-ψ 条件）。
- 构造工具：通过连续/离散混合、stitching、乘积 betting martingales 等给出现成的边界构造。
- 适用范围：覆盖 SGD、时序差分学习（TD）、Bures-Wasserstein SGD 等；对 SGD，该框架复现或显著收紧了作者所知的所有已有包络。
「研究」频道最新
- OpenTac 上传 3D 模型 3 秒生成触觉传感器柔性电路,覆盖 93% 面积 — anand_bhattad · 2026-10-23
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23