Algorithmic Statistics Revisited

AI研究人员提出“趣味性”启发式方法来预测压缩进展

研究人员将“趣味性”正式化为一种启发式方法，用于预测未来AI压缩的进展。他们的工作基于柯尔莫哥洛夫复杂性（Kolmogorov Complexity）和算法统计学（Algorithmic Statistics），表明突破的近期性直接关系到预期的未来进展。研究还发现，算法先验（Algorithmic Prior）比长度先验（Length Prior）更乐观，可能导致预期发现的二次方增长。