研究提出基于残差结构的重训练遗憾认证方法

2026年11月2日，arXiv机器学习领域发表的一项研究提出了基于原始行残差条件的固定岭预测器重训练遗憾认证方法，并建立了与干扰特征尺度及秩无关的一致误差界。实验表明，该方法在4个真实任务中能够保留全部特征，并将20个rank-3实例认证至10^-5宽度。此外，联合残差细化在76.21秒内完成了20个新掩码的同精度认证；针对固定点预测器契约，残差细化在91.68秒内认证了全部15个停止决策。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。