延迟复杂度维度：带延迟与截断标签的学习理论研究

研究人员提出了延迟复杂度维度（DCD），用于刻画标签存在随机延迟且在观察窗口 $W$ 外被截断时的 PAC 学习样本复杂度。所有学习器至少需要 $\Omega(\mathrm{DCD}/\varepsilon^2)$ 个样本，理论推导表明适度的观察窗口在固定收集期下表现可优于即时标签。合成数据与 Criteo 转化日志实验验证了相关预测。