Barzilai解决COLT开放问题，证明无分布假设下学习特征计算优势

2026年10月20日，研究者Daniel Barzilai在arXiv发布研究成果，解决了由Feldman、Kamath和Srebro在2026年提出的COLT开放问题。该问题探讨学习特征相对于固定特征的计算优势是否能在无分布假设设定下保持。 该研究通过构造特定的假设类家族证实了这一分离性。这些假设类可以被基于梯度的算法高效学习，却无法被多项式维度的线性预测器表示。研究发现，实现该表示的维度复杂度在运行时间R上呈现超多项式增长，从而证明了在无分布假设条件下，学习特征确实拥有计算优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。