待验证50% 置信事实精确时间
当奖励密度一致远离零时，论文建立了同时适用于所有分辨率 m 和所有 Wasserstein 阶数 p（1 ≤ p ≤ ∞）的根 n 高概率界，估计误差以参数速率 n^{-1/2} 收敛。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证当奖励密度在支撑端点处消失时，对于 1 ≤ p ≤ 2，只要奖励分位函数满足连续性和端点单调性，仍可保持与分辨率无关的根 n 速率。78% 相似待验证Stein恒等式表明，对于在边界上足够快衰减的函数φ，当概率密度p(x)在R^d上足够光滑时，有E_p[∇_x log p(x)·φ(x) + ∇_x·φ(x)] = 0。73% 相似待验证该论文的误差界对所有p≥1的Wasserstein-p距离成立，而非仅限于某个特定度量69% 相似待验证有限样本界在固定有限样本集上比较网络与其高斯极限，采用二次 Wasserstein 距离 W2，收敛速率为 m^{-1/2}，且常数显式，但常数随样本数增长，当样本集不断细化时界会变得无信息量。68% 相似待验证对于多项式激活函数和任意紧致输入集，这一提升给出了在 supremum 范数下 m^{-1/2} 的速率，且常数显式。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084261API
curl https://kongchang.com/api/v1/knowledge/claims/1084261MCP
get_claim(id=1084261)