多项式时间下，凸约束下的近优估计算法

这篇论文解决了在凸约束下统计模型中估计参数的问题，这是机器学习和统计学中的常见场景。关键贡献是开发了多项式时间算法，在这些约束下实现了近乎最优的性能（就极小极大风险而言）。这很重要，因为它弥合了统计最优性和计算效率之间的差距，而这通常是一个权衡。论文侧重于类型2凸体，并将其扩展到线性回归和鲁棒的重尾设置，扩大了其适用性。使用well-balanced条件和Minkowski gauge访问表明了一种实用的方法，尽管需要仔细考虑具体的假设。