待验证50% 置信基准精确时间
算法的遗憾上界为O(√(L* log N) + √(T log N)/ε)，其中ε为隐私参数。
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
待验证对于自适应生成的输入（输入可能依赖于算法之前的输出），即使L*=0，任何差分隐私算法也无法避免Ω̃(√T)的遗憾。76% 相似待验证此前最优的差分隐私在线专家预测算法遗憾界为Õ(√T)，当L*远小于T时该界远高于非隐私下界Õ(√L*)。71% 相似待验证Littlestone维度有限当且仅当存在无遗憾在线学习算法，其错误界为O(d log T)。67% 相似待验证约束解码只能约束 token 序列合法性，无法约束语义，模型仍可输出错误的枚举值或越界数字58% 相似待验证Reddit的Hot排序算法核心公式大致为score = log10(max(|ups-downs|, 1)) + sign(ups-downs) × epoch_seconds / 4500057% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084204API
curl https://kongchang.com/api/v1/knowledge/claims/1084204MCP
get_claim(id=1084204)