热点事件持续更新
学者提出未知特征下通用VC类紧致随机序列覆盖界
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年11月3日，arXiv机器学习领域发布一项新研究，针对特征分布未知的混合在线学习问题展开探索。该研究证明，有限VC维 $d$ 即可实现对数大小为 $O(d\log T+\log(1/\delta))$ 的紧致随机序列精确覆盖，成功匹配最坏情况理论下界。此外，研究团队通过引入局部立方体权重进行非均匀分割，首次为未知 i.i.d. 特征的通用 VC 分区实现了 $O((d+1)\log T)$ 的紧致期望对数损失遗憾，并提供了平面仿射半空间的多项式时间实现方案。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 13:00
研究证明未知特征下有限VC维可实现紧致随机序列覆盖，并给出多项式时间实现。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 机器学习未知 i.i.d. 特征下通用 VC 类的紧致随机序列覆盖
新研究针对特征分布未知的混合在线学习，证明有限 VC 维 $d$ 即可实现对数大小为 $O(d\log T+\log(1/\delta))$ 的紧致随机序列精确覆盖，匹配最坏情况理论下界。该方法引入局部立方体权重进行非均匀分割，首次为未知 i.i.d. 特征的通用 VC 分区实现了 $O((d+1)\log T)$ 的紧致期望对数损失遗憾，并提供了平面仿射半空间的多项式时间实现。
本事件热度走势
当前热度 8·可比范围峰值 9（11月3日 18:00）·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。