实体
sub-Weibull
sub-Weibull
PulseAugur coverage of sub-Weibull — every cluster mentioning sub-Weibull across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的随机过程理论提供了更精细的界限
研究人员为具有亚威布尔或混合尾部增量的Banach值过程开发了一种新的逐点主观化理论。该理论提供了由过程的逐点复杂度而非全局量决定的同步界限。这些发现可应用于二次混沌和遍历扩散，为算子范数和Frobenius范数下的二次混沌提供特定于矩阵的界限，并为扩散经验过程提供有限时间界限。
-
新框架简化模型选择，引入复杂度标准
研究人员引入了一个名为描述性复杂度信息准则（DCIC）的新框架，以应对模型选择中的挑战，特别是在处理大量模型和强预测变量依赖性时。该准则使用Kraft容许码长来规范大量候选模型。该框架在亚Weibull噪声条件下运行，并避免了RIP类型要求，即使模型被错误指定，也能建立选择一致性并提供非渐近的Oracle风险界限。此外，它还提供了一种将异质类别置于共同复杂度尺度上的方法，并包含一个显式管理计算与统计性能之间权衡的复杂度引导搜索路径。
-
新框架改进了重尾奖励下的大语言模型对齐
一篇新的研究论文介绍了一个尾部感知的、信息论的框架，旨在改进大语言模型（LLMs）的对齐，特别是在涉及重尾奖励的情况下。该框架利用了移位对数 f_theta 散度和 Rényi 散度，为次威布尔（sub-Weibull）数据建立界限，这类数据可能比传统的次高斯或次指数分布具有更重的尾部。这种方法应用于人类反馈强化学习（RLHF），展示了 Rényi 正则化对齐如何缓解困扰标准 KL 正则化的奖励攻击（reward hacking）和古…