标签
微软研究院及其合作者通过人类主导的智能体研究流程，解决了存在31年之久的KLS猜想，确立了对数凹分布的普适几何原理，并经独立研究者验证与机器形式化检验确认，为高维采样与随机算法效率理解扫清重大理论障碍。
本文改进了随机适当在线学习的最优期望错误界，表明其为 O(L(H) log T)，这在通用常数范围内对于最坏情况类别是最优的。
本文提出了一种新的张量半张量积，并开发了一种多项目随机化张量奇异值分解（MSTP-SVD），以提高视觉数据处理任务中的低秩近似精度和计算效率。
本文提出了一种随机算法，对于每个固定的k，能在(2-ε_k)^n时间内解决n顶点图上的k-着色问题，解决了指数时间算法中一个长期未解的问题。该算法基于超图容器和列表着色归约。
RGLD结合全局随机特征密度估计与局部邻域分析，实现高效的无监督表格异常检测。在47个数据集上取得了顶尖的AUROC性能，同时比深度检测器快50倍至580倍。
本文介绍了一种基于快速变换的新型差分隐私草图机制，该机制实现了最先进的隐私保证并改善了运行时间，并将其应用于DP线性回归，从而获得了首个用于DP普通最小二乘法的快速方法。