Yusong Zhu 的一篇新研究论文探讨了统计学中的稀疏恢复问题，重点关注变量选择的无意识模型和自适应模型之间的区别。该研究证明了可证明的分离，表明无意识模型与自适应模型相比，可以用更少的样本和近乎线性的时间实现最优误差保证。这一发现与标准的 L2 设置形成对比，并表明部分自适应模型可能提供具有实质性变量选择保证的折衷方案。 AI
排序理由 研究论文发表在 arXiv 上，详细介绍了统计学中的理论发现。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2602.16568v2 Announce Type: replace-cross Abstract: Sparse recovery is among the most well-studied problems in learning theory and high-dimensional statistics. In this work, we investigate the statistical and computational landscapes of sparse recovery with $\ell_\infty$ er…