研究人员发布了使用 $\ell_\infty$ 范数估计离散概率分布的新界限。该工作提供了期望的 minimax 界限和高概率尾部界限。这项研究解决了 Kontorovich 和 Painsky (JMLR, 2025) 中悬而未决的问题，包括他们最紧风险界限的经验版本以及最坏情况极端分布的识别。 AI
影响 推进统计机器学习的理论理解，可能影响未来的模型开发和评估。
排序理由 这是一篇发表在 arXiv 上的研究论文，详细介绍了特定统计估计问题的新的理论界限和经验结果。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.30509v1 Announce Type: new Abstract: We present improved bounds for estimating discrete probability distributions under the $\ell_\infty$ norm. These include minimax bounds in expectation and high-probability tail bounds. We resolve some of the open questions posed in …
We present improved bounds for estimating discrete probability distributions under the $\ell_\infty$ norm. These include minimax bounds in expectation and high-probability tail bounds. We resolve some of the open questions posed in Kontorovich and Painsky (JMLR, 2025) -- includin…