Предпоследняя работа-финалист NeurIPS 2025. Тотальный хардкор! Специалисты в теории трансдуктивного онлайн-обучения есть? Но зато узнал, что в дополнение к VC-размерности бывает ещё и LD. The Quadratic Gap: Resolving the Value of Unlabeled Data in Online Learning __Zachary Chase, Steve Hanneke, Shay Moran, Jonathan Shafer__ Статья: https://openreview.net/forum?id=EoebmBe9fG Ревью: https://arxiviq.substack.com/p/neurips-2025-optimal-mistake-bounds # TL;DR ЧТО сделали: Авторы решили 30-летнюю открытую проблему, получив за это Best Paper Runner-Up на NeurIPS 2025. Они доказали, что для класса гипотез с размерностью Литтлстоуна `d` оптимальная граница ошибок в трансдуктивном онлайн-обучении составляет `Θ(√d)`. ПОЧЕМУ это важно: Результат математически строго показывает, насколько полезно «заглядывать в будущее». Доступ к неразмеченной последовательности тестовых данных позволяет квадратично снизить число ошибок по сравнению со стандартным онлайн-сеттингом (где граница равна `d`). Это закрывает огромный экспоненциальный разрыв между старой нижней границей `Ω(log d)` и верхней `O(d)`. Подробнее: https://t.me/gonzo_ML_podcasts/1524