标签
本文提出一种针对小样本场景下缺失质量与未见物种计数估计的“脆弱性感知”正则化框架，通过严格凹的熵-KL优化提供闭式解，作为对 Good-Turing 等经典估计器的轻量级修正，在长尾、单例主导的小样本场景中显著提升稳定性。
提出几何-谱修正（GSR），这是一个理论严谨的框架，将长尾学习视为谱正则化问题，在解析类增量学习上取得了新的最先进结果。