基于压缩的学习：风险估计达到大数定律速率

针对基于偏好压缩的学习规则，此前风险上界比 k/N 多出 O(√(ln N/N)) 的对数因子。该论文证明这一对数因子并非本质：对任意固定置信水平 1-δ，风险以至少 1-δ 的概率被 k/N + O(1/√N) 一致界定，达到与固定事件经验估计相同的大数定律速率。