热点事件持续更新
新采样理论加速迭代岭回归
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 分类发布一篇论文，针对列采样迭代岭回归中“复用同一草图还是每步重抽随机性”的开放问题，证明新鲜草图（fresh sketching）具有可证优势。论文指出，新鲜草图使误差只需沿当前残差解分析，而非在整个 Gram 矩阵上一致成立，从而为 leverage score 与 ridge leverage score 采样给出更紧的收敛保证，并导出残差感知采样规则。目前该工作以预印本形式公开，尚无后续同行评审或复现报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
arXiv 论文证明新鲜草图在迭代岭回归中具可证优势，并导出残差感知采样规则。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）新鲜草图（fresh sketching）在岭回归中的优势：arXiv 论文证明其可证优势
针对列采样迭代岭回归中"复用同一草图还是每步重抽随机性"的开放问题，该论文证明新鲜草图（fresh sketching）具有可证优势。它使误差只需沿当前残差解分析，而非在整个 Gram 矩阵上一致成立，从而为 leverage score 与 ridge leverage score 采样给出更紧的收敛保证，并导出残差感知采样规则。
本事件热度走势
当前热度 9·可比范围峰值 9（10月2日 14:00）·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。