热点事件持续更新
研究提出面向受污染样本鲁棒学习的CC-MMD方法
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年11月2日，arXiv stat.ML刊载的一篇研究提出了受污染校正最大平均差异（CC-MMD）。该方法通过结合带噪代理分数与少量审计样本的残差校正，可直接从受污染数据中恢复针对干净目标分布的理想MMD。据报道，该方法无需代理分数校准或污染物结构假设，具备有限总体设计无偏性与一致性。相关实验表明，CC-MMD不仅能改善受污染回归中的参数恢复表现，还支持生成模型在面对严重受污染的数据时成功恢复出纯净分布。
AI 根据报道生成 · 17 小时前更新
最新进展11月2日 13:00
研究提出CC-MMD方法，利用带噪代理分数和少量审计样本从受污染数据中恢复干净分布。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv stat.ML面向受污染样本的设计即鲁棒分布学习
研究人员提出受污染校正最大平均差异（CC-MMD），结合带噪代理分数与少量审计样本残差校正，直接从受污染数据中恢复针对干净目标分布的理想 MMD。该方法无需代理分数校准或污染物结构假设，具备有限总体设计无偏性与一致性。实验表明，CC-MMD 能改善受污染回归的参数恢复，并支持生成模型在严重受污染数据上恢复纯净分布。
本事件热度走势
当前热度 6·可比范围峰值 10（11月2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。