待验证50% 置信事实精确时间

经典结果表明，在凸损失下，投影在线梯度上升的累积遗憾被界定为O(√T)，其中T为轮数（Zinkevich, 2003）。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

无标签校准证书：逻辑一致性下的锐利稳定边界

rss2026/10/15

涉及实体

在线梯度上升concept Zinkevichperson

相关事实

待验证在标准遗憾最小化中，遗憾上界通常表现为 O(√T)，而在倾斜采样框架下，采样遗憾由置信宽度的平方主导，产生对数级别的遗憾 O(log T)。74% 相似待验证行为克隆的分布偏移问题会导致误差累积,经过T步后期望总损失为O(εT²)而非线性的O(εT)65% 相似待验证前景理论的核心发现是损失厌恶，损失曲线的斜率远陡于同等幅度收益曲线的斜率62% 相似已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛62% 相似待验证梯度下降的参数更新规则为 θ_{t+1} = θ_t - η·∇L(θ_t)，其中η是学习率，沿负梯度方向更新参数可最快减小损失函数62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046760

API

curl https://kongchang.com/api/v1/knowledge/claims/1046760

MCP

get_claim(id=1046760)