新研究给出人类反馈排序的样本复杂度界限

Diego Alovisetti、Marco Mussi 和 Alberto Maria Metelli 发表论文，研究在 log-concave 噪声的随机效用模型下，从人类比较反馈中恢复物品排序所需的样本复杂度。 作者在完整排序反馈与仅胜者反馈两种设定下给出了最坏情况样本复杂度下界，并提出匹配该下界（至对数因子）的算法；该算法无需知道噪声分布，只需方差上界。作者称，仅胜者反馈的排序问题本质更难，其复杂度依赖物品集合中的最小获胜概率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。