arXiv 发布 FOCS 2026 稳健学习论文
热点事件持续更新
arXiv 发布 FOCS 2026 稳健学习论文
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 30 日，Ilias Diakonikolas、Daniel M. Kane 与 Mingchen Ma 在 arXiv 上传论文《Logconcave 分布下多指标模型稳健学习》（编号 2610.41961，cs.LG 领域），作者明确标注该版本为即将在 FOCS 2026 发表的完整稿。 论文提出一种基于弱部分学习器的新型 Boosting 框架，利用递归矩分解将样本空间划分为多项式个凸区域，以此显著提升对数凹分布下多索引模型的鲁棒学习速度，并针对半空间函数与线性多类分类器推出了改进型学习器。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
基于弱部分学习器在对数凹分布下多索引模型的鲁棒学习报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · ML基于弱部分学习器在对数凹分布下多索引模型的鲁棒学习
论文提出新算法框架，显著提升对数凹分布下多索引模型的鲁棒学习速度。 该框架基于弱部分学习器的新Boosting机制，利用递归矩分解将空间划分为多项式个凸区域。 此方法获得半空间函数和线性多类分类器的改进学习器，已发表于FOCS 2026。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。