热点事件持续更新
研究团队提出自适应采样算法HTG
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10月16日，研究人员在 arXiv 机器学习领域发布研究，提出了一种名为 Halve-Then-Greedy（HTG）的自适应采样算法。该算法旨在固定预算约束下，最大化推荐方案均值表现超过目标的后验成功概率。HTG 结合了初始均衡分配、连续减半以及后验贪心采样策略，被证明其后验失败概率在有限预算下具备指数级界。此外，在单正收益臂族设定中，HTG 的样本复杂度在对数因子内匹配渐近下界，表现显著优于传统的均匀采样和连续减半机制。
AI 根据报道生成 · 9 小时前更新
最新进展10月16日 12:00
研究团队提出自适应采样算法HTG，固定预算下展现近最优样本复杂度。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习Halve-Then-Greedy：面向后验成功且具备近最优实例依赖性的自适应采样算法
研究人员提出了名为 Halve-Then-Greedy（HTG）的自适应采样算法，用于在固定预算下最大化推荐方案均值表现超过目标的后验成功概率。该算法结合了初始均衡分配、连续减半以及后验贪心采样，被证明在后验失败概率上具备有限预算下的指数级界。在单正收益臂族中，HTG 的样本复杂度在对数因子内匹配渐近下界，显著优于均匀采样和连续减半机制。
本事件热度走势
当前热度 8·可比范围峰值 10（10月16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。