[LG]《High-Dimensional Statistics: Reflections on Progress and Open Problems》A Maleki, S Sen, S Balakrishna, V Zuber… [Columbia University & Harvard University & CMU] (2026)
在高维统计中，样本少、变量多并非真正难题；难的是结构、计算与推断同时失控。过去方法受困于低维渐近假设，本质原因是把维度当噪声，而非可利用的结构。
本文的核心洞见是：把高维统计重新看作“结构—算法—不确定性”的三方权衡。由此，围绕计算统计鸿沟、数据整合、高维渐近与AI建模展开，问题版图得以重绘。
这项工作真正留下的遗产是一张高维统计的开放问题地图。它为统计、优化、信息论与AI的交叉研究打开新门，但尚未跨过真实异质数据与可实现算法之间的门槛。
arxiv.org/abs/2605.05076 机器学习 人工智能 论文 AI创造营
