实体
regret
regret
PulseAugur coverage of regret — every cluster mentioning regret across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新算法为私有在线专家预测提供近乎最优的遗憾
研究人员开发了一种新的差分隐私在线专家预测算法。该算法实现了 \tilde{O}(\sqrt{L^\star}) 的遗憾界限，在 $L^\star$ 代表最佳专家累积损失的低损失情况下，相比现有方法有了显著改进。新的界限与非私有算法相当，表明隐私成本很小。然而，该算法的性能取决于输入序列是否是无意识的，并且对于自适应输入，\tilde{\Omega}(\sqrt{T}) 的遗憾是不可避免的。
-
RegRet框架增强大型多模态模型中的区域级检索
研究人员推出RegRet，一个旨在改进大型多模态模型（LMMs）中区域级检索的新框架。该方法侧重于增强图像内详细区域特征的捕获，同时保持整体的全局检索性能。RegRet利用区域感知编码器和多阶段训练流程，包括本地化字幕和区域对比学习。为了解决现有基准测试的局限性，还开发了REGMB基准，该基准包含跨四个任务的22.5万个对比对。
-
新的minimax分位数理论增强了统计决策中的隐私保护
研究人员为交互式统计决策（ISDM）开发了一种新的minimax分位数理论，该理论解决了罕见但重大的失败，而传统的基于期望的标准（如minimax风险和遗憾）无法捕捉到这些失败。该理论建立了minimax分位数、下minimax分位数和minimax风险之间的结构关系，包括从分位数到期望的转换以及严格minimax分位数和下minimax分位数之间的等价性。该工作还为ISDM引入了反例工具，例如高概率交互式Fano方法和Le Cam方…