重构直线上点的阈值
机器学习
2026-04-13 v1 人工智能
统计理论
机器学习
统计理论
摘要
对于集合中的个点,设为其中每个可能边独立以概率存在的随机图。我们称子集为可重构(reconstructible),若每一个保持边沿距离的注入映射也保持中所有两两距离。最大可重构子集大小是多少?Girão等人提出猜想:当时,在几乎 surely 的情况下为线性。本文中,我们证明:对于每一个,几乎 surely 存在可重构子集包含在2-core的最大连通分量中,满足,从而证实了猜想的更强形式。该界是渐近最佳的,因为当相对于线性无关时,容易验证。此外,我们将这些结果推广到满足的所有。
引用
@article{arxiv.2604.09175,
title = {Generalization and Scaling Laws for Mixture-of-Experts Transformers},
author = {Mansour Zoubeirou a Mayaki},
journal= {arXiv preprint arXiv:2604.09175},
year = {2026}
}