English(EN) Relatively Smart II: Tractable or Semi-Supervised Instance-Optimal Learning

新研究通过提高样本效率来推进“相对智能学习”

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-11 04:00

研究人员推进了“相对智能学习”概念的研究，该概念是指监督学习器旨在匹配从无标签数据中推导出的任何可认证误差保证的性能。新工作表明，ERM 等标准学习器对于二元分类是“相对智能”的，需要样本复杂度呈二次方增长。此外，研究表明半监督学习仅需无标签数据复杂度呈二次方增长即可实现此目标，尽管这种效率是以某些学习算法的可处理性为代价的。 AI

影响推进了学习算法的理论理解，可能导致未来人工智能系统中更有效的数据利用。

排序理由该集群包含一篇详细介绍机器学习算法理论进展的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 25 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍机器学习算法理论进展的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Shaddin Dughmi, Alireza F. Pour · 2026-09-11 04:00

相对智能 II：可处理或半监督实例最优学习

arXiv:2609.10886v1 Announce Type: cross Abstract: We continue the study of relatively smart learning, introduced by Dughmi and Pour (2026), which asks a supervised learner to compete, marginal by marginal, with every distribution-fixed error guarantee soundly certifiable from unl…

本文如何被排名

报道来源 [1]

相对智能 II：可处理或半监督实例最优学习

相关实体

相关话题