待验证50% 置信事实精确时间
指数权重算法及Tseng等人（2025）算法的遗憾率在维度 d 的多项式依赖上已达到最优，与下界匹配。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
量子态在线学习遗憾下界：不确定性与新算法
rss2026/10/15
涉及实体
相关事实
待验证由于联合下界表明 (d, δ, ε) 的依赖无法分解式优化，算法设计的权衡应放在改善常数和实际样本复用效率，而非试图在最坏情形保证上突破三者乘积结构。77% 相似待验证算法选型必须匹配问题性质：梯度下降适合平滑可导连续优化，无梯度方法适合离散、阶梯状或噪声严重的目标函数72% 相似待验证对于实际算法设计，当维度d较大且切换次数k不可忽略时，接受Õ(dk)级别的遗憾或寻求额外结构假设，可能是比依赖离散化或精确优化更务实的方向。69% 相似待验证GPTQ量化算法由Tim Dettmers等人于2023年提出，通过二阶梯度信息逐层优化量化误差69% 相似待验证在非凸、高维、小精度区间，零阶算法的合理目标是在 d 上线性、在精度上接近 ε^{-4}，而非追求亚线性维度。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046129API
curl https://kongchang.com/api/v1/knowledge/claims/1046129MCP
get_claim(id=1046129)