论文称复杂环境下线性模型或优于非线性模型

一篇 arXiv 论文提出，当世界复杂度超过有限且部分观测数据所能可靠学习的复杂度时，线性模型在新环境中反而可能比灵活的非线性模型预测误差更低。作者 Fangzhou Lin 等通过 Proposition 1 在平方误差情形下给出证明，并关联偏差方差、正则化、分布偏移、不变性与欠指定等研究。 论文据此主张，模型复杂度应依据跨环境稳定性而非仅训练数据精度来选择。该结论来自论文自身的论证与证明，尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。