待验证50% 置信事实精确时间
在对抗环境下，论文算法的regret为\tilde{\mathcal{O}}(δ_*^{1/3} T^{2/3})，其中δ_*是分数弱支配数。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证在随机环境下，论文算法的regret为\tilde{\mathcal{O}}(δ_* \log T / Δ_{\min}^2)，其中Δ_{\min}是最小次优间隙。78% 相似待验证对于非光滑非凸问题，已知最优一阶复杂度为O(ε^{-3})，零阶复杂度为O(d ε^{-3})。65% 相似待验证缩放定律拟合实践中常用三种方法——固定 E 的最小二乘、将 E 作为自由参数的拟合、以及对数空间下的线性回归，它们给出的最优配比可能不同。64% 相似待验证在非凸、高维、小精度区间，零阶算法的合理目标是在 d 上线性、在精度上接近 ε^{-4}，而非追求亚线性维度。64% 相似待验证论文在光滑随机非凸、种群目标全局下界、样本 Lipschitz 常数有二阶矩界的前提下，给出标量 oracle 下界 Ω(d L_0^2 min{ΔH, L_0^2} / ε^4)，该界对 d 线性、对精度为 ε^{-4}。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133671API
curl https://kongchang.com/api/v1/knowledge/claims/1133671MCP
get_claim(id=1133671)