Непараметрическое внутриконтекстовое обучение и хищение с помощью измеримого регрессия ядер

arXiv: 261 020.28056v 1 Annualce Type: New Brieflow: In-Context обучение позволяет оценщику, обученному по нескольким направлениям работы, адаптироваться к новой невидимой задаче только с помощью своих проб в контекстах без какого бы то ни было изменения параметра. Несмотря на растущий интерес к основам статистической системы обучения в рамках единого текста, по-прежнему сохраняются два пробела. Во-первых, существующие результаты конвергенции не характеризуют распределительное поведение оценщиков обучения в рамках текстов. Во-вторых, классические непараметрические методы не предназначены для обработки данных, оцениваемых в показателях, которые естественным образом производят обучение на основе внутреннего текста. Мы устраняем оба пробела путем разработки индексируемой по измерению космической системы воспроизводимого ядра Хилберт, в которой адаптивность оценки отражается на зависимости средней функциональности от эмпирических показателей контекста. В этих рамках мы предлагаем индексируемый по измерениям регрессионный показатель хребта ядер, рассчитанный на основе многочисленных независимых задач и устанавливающий его минимаксимальную оптимистичную скорость конвергенции.