研究人员开发了一种新的证明策略，用于在统计模型（特别是随机图模型）中建立低次数下界。该方法利用了在特定概率分布 $\mathbb{P}$ 下的多项式近乎标准正交基，在出现统计-计算差距的区域内非常有效。该方法不仅直接产生了这些下界，还确定了低次数判据的最优多项式，为设计高效的多项式时间算法提供了见解。该策略的有效性已通过恢复现有下界和为隐藏子团（hidden subcliques）和随机块模型（stochastic block models）等问题建立新下界得到证明。 AI
影响 为理解统计模型中的计算复杂性提供了理论基础，可能影响算法设计。
排序理由 学术论文在arXiv上发表，详细介绍了一种新的数学证明策略。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- Low-degree lower bounds via almost orthonormal bases
- Nicolas Verzelen
- SW25
- Wein25
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
