待验证50% 置信事实精确时间
经典PAC-Bayes泛化理论在过参数化场景下（D >> n）失效，因为先验定义在欧几里得参数空间上，相对熵随网络维度D线性增长，导致泛化界迅速膨胀超过1000%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
告别参数量依赖：Dirichlet过程实现深度网络无维度PAC-Bayes泛化界
rss2026/10/15
涉及实体
相关事实
待验证PAC-Bayes 框架最早由 McAllester（1999）和 Catoni 等人发展，将泛化问题推广到假设空间上的概率分布68% 相似待验证VPU 的解法是在 Hermitian 哈密顿矩阵的低秩近似上运行量子启发的状态演化：将问题空间表示为高维状态向量 σ∈[0,1]^dim，用 RK4 数值积分对有效哈密顿量 H_eff 进行演化，通过低秩近似保持计算可行，最后用冯·诺依曼熵衡量收敛。57% 相似待验证泛函梯度下降的理论根基来自再生核希尔伯特空间（RKHS）和函数空间中的变分方法56% 相似待验证经典的Blumer等人定理证明，在可实现情形下，样本复杂度与VC维d呈线性关系，即Θ(d/ε)量级的样本足以保证ε的泛化误差56% 相似待验证条件概率由贝叶斯（Thomas Bayes）在18世纪首次系统化表述，数学表达为P(A|B)=P(A∩B)/P(B)56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046140API
curl https://kongchang.com/api/v1/knowledge/claims/1046140MCP
get_claim(id=1046140)