热点事件持续更新
移动视界近似分支归约法训练深度分类树
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv cs.LG 分类下发布一篇论文，提出面向深度分类树的移动视界近似分支归约方法。该方法可在含连续特征的大规模数据集上训练近最优深度分类树，基于分层根-子树优化框架：根层问题用分支归约求解，子树问题用贪心启发式近似，该近似相当于强化学习中的前瞻 rollout，以提升深层结构效率，再通过低成本移动视界策略迭代精化精度。数值结果显示，其测试精度超过现有启发式基线，在数据集规模和树深度上的可扩展性均明显优于全局最优求解器。目前该工作处于论文预印本阶段，尚无后续报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
arXiv 发布论文，提出移动视界近似分支归约法训练深度分类树，精度与可扩展性优于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.LG（机器学习，全量分类）面向深度分类树的移动视界近似分支归约方法
该论文提出一种移动视界近似分支归约方法，可在含连续特征的大规模数据集上训练近最优深度分类树。方法基于分层根-子树优化框架，根层问题用分支归约求解，子树问题用贪心启发式近似，该近似相当于强化学习中的前瞻 rollout，显著提升深层结构效率，再以低成本移动视界策略迭代精化精度。数值结果显示其测试精度超过现有启发式基线，在数据集规模和树深度上的可扩展性均明显优于全局最优求解器。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。