热点事件持续更新
研究推导出评估中胜者偏差紧确界并完成Lean 4验证
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月26日，发表于arXiv的研究推导出了独立非同分布与成对非负相关噪声下胜者偏差的紧确界常数，分别为 $\sqrt{(M-1)/(2M)}$ 和 $(M-1)/M$，相关定理均已在 Lean 4 中完成形式化验证。该研究还同步给出了交叉验证估计量的偏差紧确界。在涉及 448 个语言模型与分类器选择流程的实验中，候选专属项设计达到了独立类上限中位数的 0.75；测试同时表明，在固定预算下，共享评测项相比分配独立项能明显降低乐观偏差。
AI 根据报道生成 · 4 小时前更新
最新进展10月26日 12:00
研究推导出噪声下胜者偏差紧确界并在Lean 4中完成验证，实验显示共享评测项乐观偏差更低。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习独立与非负相关噪声下胜者偏差的紧确界
该研究推导出了独立非同分布与成对非负相关噪声下胜者偏差的紧确界常数，分别为 $\sqrt{(M-1)/(2M)}$ 和 $(M-1)/M$，所有定理均在 Lean 4 中完成形式化验证。研究同步给出了交叉验证估计量的偏差紧确界。在 448 个语言模型与分类器选择流程中，候选专属项设计达到独立类上限中位数的 0.75，且在固定预算下共享评测项比分配独立项的乐观偏差明显更低。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26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。