偏好压缩界被证明是紧致的

论文证明了满足偏好特性的机器学习算法的最先进偏好压缩界（preferent compression bounds）是紧致的，解决了该领域的长期开放问题。研究通过基于均匀分布和顺序统计量的显式构造在极限下达到了该界，可直接应用于情景法（Scenario Approach）与 Pick-to-Learn 等领域。此外，作者仅用初等计数论证给出了更简短的证明，无需无限维对偶。