热点事件持续更新

有序专家在线学习新论文发布

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月5日，研究人员Shiliang Zuo在arXiv平台发布了一篇关于在线学习的新论文。该研究聚焦于有序动作空间下的对抗在线学习，专门针对双点反馈设定展开深入探讨。这是该事件目前唯一的报道，暂无后续跟进信息。论文的核心贡献在于，在分离单调和有界变差（BV）这两类问题中，分别推导出了最优的遗憾界。具体而言，分离单调问题的遗憾为 O(log(|F|T)√(Tlog|F|))，而BV问题的遗憾为 Õ(√T+|F|)。研究指出，这两个结果都非常接近全信息基准，具有重要的理论意义。

AI 根据报道生成 · 22 小时前更新

最新进展11月6日 13:00

有序专家在线学习中的双点反馈研究

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv · ML
有序专家在线学习中的双点反馈研究
该研究探讨有序动作空间下的对抗在线学习，针对双点反馈设定，分别在分离单调与有界变差（BV）问题中获得最优遗憾界。具体表现为分离单调问题遗憾为 O(log(|F|T)√(Tlog|F|))，BV 问题为 Õ(√T+|F|)，两者均接近全信息基准。文章将该技术应用于动态定价，证明双选项菜单在多项式因子内匹配全信息速率，核心技术为保持边际的端点流估计器。

本事件热度走势

可比范围当前: 5
可比范围峰值: 1011月6日 14:00
近 24 小时变化: –

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。