Attias

研究人员发现确定性与随机性方法在人工智能学习复杂度上存在指数级差距

研究人员在处理未知顺序的阈值时，发现了确定性和随机性方法在线学习复杂度上的指数级差距。Attias、Hanneke 和 Ramaswami 在 NeurIPS 2025 上发表的一项研究表明，确定性学习者需要 T（或 T-epsilon）次预言机调用和错误，而随机性学习者两者都能达到对数界限。这种分离取决于一致性类型 ERM 预言机使用的特定规则，不同的规则会导致不同的性能结果。