研究者提出达到信息论极限的高效鲁棒学习算法

2026年11月5日，arXiv stat.ML 发布的一项研究解决了固定分布下布尔概念类鲁棒学习的计算效率难题。该研究表明，在具备经验风险最小化（ERM）预言机时，可实现达到最优误差 $\eta + \varepsilon$ 的多项式时间算法。针对超收缩分布下支持低阶多项式逼近的函数类，该研究进一步提出了无需 ERM 预言机的高效鲁棒学习算法。此外，研究技术结合了在线凸优化，并证明了在不可知设定下的高效统计查询（SQ）可学习性蕴含了带污染分布下的高效学习。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。