error-bounds

论文提出一种对抗鲁棒的广义编码计算（GCC）扩展框架，通过平滑正则化限制恶意worker输出的影响，并给出随对抗worker比例衰减的非渐近误差界，适用于分布式系统中的近似编码计算。

本文诊断了 attribution patching 中的系统性误差——这是一种用于语言模型因果定位的基于梯度的近似方法——并提出了一种使用 Hessian-vector product 的二阶修正，该修正以极小的额外计算成本提高了可靠性。

本文针对恒定步长Q学习，开发了一种符号分离的有限时间误差分析，将误差分解为负部和正部，并提供了揭示与过估计相关的不对称性的界。

本文分析了基于模型的强化学习中的“想象训练”范式，推导了最优样本分配策略，并描述了动态模型和奖励模型的误差如何影响策略回报。