Aaron Roth 新论文:校准多准确性存在随机化样本复杂度分离
Aaroth · x · 2026-11-03
Aaron Roth 补充关键结论:在紧密相关的多校准问题中不需要随机化,但对于校准多准确性,当模型被限制为确定性预测器与允许随机化时,极小化极大样本复杂度之间存在严格的多项式分离——这在单分布学习问题中相当罕见。配图为论文的群组预算速率图:随机化紧界为 max(5/2, 2+β),确定性紧界为 8/3+β/3,多校准紧界为 3,三者在 A≈ε^{-1} 处汇合。
所属事件:Aaron Roth 新论文：校准多准确性的样本复杂度出现随机化分离(4 条相关)→
「研究」频道最新
- Skyfall AI 展示 SKY-001:重建含数千 3D 零件的捷豹整车 — 141_1337 · 2026-11-03
- RaiSim 2.13.0 支持在线跑机器人示例,新增快速流体动力学模型 — ChongZzZhang · 2026-11-03
- 4 个低成本编码 agent 生存 Minecraft 12 天：服务器日志逐里程碑审计 — Unusual-Spot-5846 · 2026-11-03
- DAMI 论文:双轴记忆初始化提升门控线性注意力的长上下文检索 — SpeedAI-Lab · 2026-11-03
- 伯克利团队开源 DR Pixel:直接看页面图像做深度研究,胜过 OCR 方案 — Berkeley-NLP · 2026-11-03
- elsleightholm 指出 OpenAI Navier-Stokes 公告中被略去的细节 — elsleightholm · 2026-11-03