列表可解码学习

该算法的核心是一个新颖的提升（boosting）过程，用于以列表可解码方式将隐藏权重向量恢复到常数误差。

列表可解码学习是统计学习中的一种放宽的恢复模型：算法允许输出一个大小不超过预设上限的候选列表，只要目标概念以较高概率出现在列表中即可。

在标准PAC框架下，若噪声比例超过某个阈值，任何算法都无法唯一恢复目标；而列表可解码允许在高噪声条件下以多项式时间输出包含真实参数的短列表。