CLNR26

新的确定性算法在机器学习中实现了最优多校准

研究人员开发了一种新颖的确定性算法用于机器学习中的多校准，解决了关于最优样本复杂度是否需要随机化的开放性问题。该新算法实现了 $\varepsilon$-多校准的最小最大最优速率 $\widetilde O(\varepsilon^{-3})$，这一属性对于可信赖的 AI 应用至关重要。该工作还扩展到结果不可区分性的确定性预测器，为 omnipredictors 和 pan predictors 提供了最优解决方案。