热点事件持续更新
学者提出lp球在线线性优化极小极大最优小损失界
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv机器学习领域发布的一项研究，针对Rd中单位lp球（2≤p<∞）上的全信息在线线性优化问题展开探讨。研究提出了一种无需预知轮数T或累积损失ΔT的FTRL算法，成功实现了极小极大（minimax）最优的后悔界Op(1+min{ΔT^(1-1/p), d^(1/2-1/p)√ΔT})。
AI 根据报道生成 · 6 小时前更新
最新进展10月28日 12:00
研究提出无需预知轮数或累积损失的FTRL算法，实现lp球在线线性优化极小极大最优小损失界。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习$\ell_p$ 球上在线线性优化的 Minimax 最优小损失界
针对 $\mathbb{R}^d$ 中单位 $\ell_p$ 球（$2\le p<\infty$）上的全信息在线线性优化，研究提出一种无需预知轮数 $T$ 或累积损失 $\Delta_T$ 的 FTRL 算法，实现了 minimax 最优的后悔界 $O_p(1+\min\{\Delta_T^{1-1/p},\, d^{1/2-1/p}\sqrt{\Delta_T}\})$。
本事件热度走势
当前热度 8·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。