热点事件持续更新
研究利用输入协变量降低预算受限风险监控延迟
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，arXiv发布的一项机器学习研究探讨了预算受限的风险监控问题。研究证明，仅依赖历史标签的监控规则存在一阶最坏延迟下界；若利用免费的输入协变量来触发打标，可将延迟降至 log A/h(r)，至少能节省 1/b 轮时间。针对输入未发生改变但风险上升的场景，研究提出了引入标签历史回退的混合规则，并在合成数据与两项 ACS 任务上进行了验证。不过该机制也存在代价，良性输入偏移可能会导致系统请求几乎所有标签。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 13:00
新研究证明引入输入协变量可降低风险监控延迟，但良性偏移可能导致高额打标开销。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 机器学习预算受限风险监控中免费协变量的一阶价值
研究证明在预算受限的风险监控中，仅依赖历史标签的规则存在一阶最坏延迟下界，而利用免费输入协变量触发打标可将延迟降至 $\log A/h(r)$，节省至少 $1/b$ 轮时间。针对输入未发生改变的风险上升，研究提出了引入标签历史回退的混合规则，并在合成数据与两项 ACS 任务上得到验证。不过该机制存在代价，良性输入偏移可能导致其请求几乎所有标签。
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。