NeurIPS 2026接收污染样本鲁棒分布学习方法CC-MMD
热点事件持续更新
NeurIPS 2026接收污染样本鲁棒分布学习方法CC-MMD
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
研究人员Nevena Gligic和Arya Farahi提出CC-MMD方法，旨在从受污染混合样本中恢复目标分布。该方法无需假设污染物具备特定结构，通过结合代理分数与审计残差校正实现鲁棒学习。 该工作证明了设计无偏性、渐近正态性及一致性，目前已获NeurIPS 2026接收，为处理污染数据提供了新的理论工具。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
CC-MMD：面向污染样本的鲁棒分布学习报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · MLCC-MMD：面向污染样本的鲁棒分布学习
研究人员提出污染校正最大均值偏差（CC-MMD），旨在从受污染混合样本中恢复目标分布。该方法无需对代理分数进行校准假设，也无需假设污染物具备特定结构。 CC-MMD 通过结合代理分数与审计残差校正，证明了其设计无偏性、渐近正态性及一致性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。