斯坦福办 Regularity Lemmas 一日研讨,聚焦多校准新进展
Aaroth · x · 2026-10-24
Stanford 将于 11 月 17 日举办一日 workshop「Recent advances in Regularity Lemmas (with and without calibration)」。Regularity lemmas 源自 Szemerédi (1975) 与 Frieze–Kannan (1999) 的图论工作,经 Trevisan、Tulsiani、Vadhan (2009) 引入复杂度理论;近年与算法公平性中的 multiaccuracy/multicalibration 概念连接后迎来研究热潮。
- 议题:multiaccuracy 单独能达成什么、不同校准形式带来的额外保证,及其在复杂度理论、密码学、学习理论、信息论等领域的应用
- 议程讲者:Princewill Okoroafor (Harvard)、Georgy Noarov (IAS)、Pranay Tankala (Harvard)、Konstantinos Stavropoulos (IAS)
- 主题覆盖 ERM oracle 下的 multicalibration 样本复杂度、在线概率预测的防御性 boosting、污染与分布偏移下的学习界等
「研究」频道最新
- UCLA 论文:扩散语言模型按任务调速,新颖输出更费算力 — uclanlp · 2026-10-24
- 新论文：用 LLM 模拟器评估 AI 控制协议，无需真实部署环境 — jammastergirish · 2026-10-24
- FrontierCS 2 基准：让 Agent 在删掉贡献的论文代码上超越原方法 — berkeley_ai · 2026-10-24
- Nature 发布个人 AI 健康智能体研究，专家呼吁推进RCT验证 — adnan_hashmi · 2026-10-24
- Pathway 研究者：算力堆不动了，下一跃靠架构与持久记忆 — schwentker · 2026-10-24
- TokenGate 让 LLM 学会略读上下文，prefill 提速最高 11.3 倍 — berkeley_ai · 2026-10-24