一篇新发表在arXiv上的论文详细介绍了在非负鞅的路径空间中理解信息流的进展。该研究引入了精确的变分恒等式,即使在任意随机时间也适用,统一并扩展了如Ville和PAC-Bayesian学习等经典集中不等式。该工作还量化了与任意随机时间预测相关的“窥探惩罚”,并探讨了测试鞅的几何混合如何使多模型安全测试受益。 AI
排序理由 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
- Akshay Balsubramani
- alphaXiv
- arXiv
- Azuma-Hoeffding
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- linear programming
- PAC-bayesian learning
- ScienceCast
- Ville
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →