菲尔兹奖得主王虹也在NeurIPS发表论文

新晋菲尔兹奖得主王虹在NeurIPS 2019上合著了一篇关于低秩矩阵逼近的论文，这是机器学习和数据分析中的基础任务。该论文改进了列子集选择（CSS）算法的近似比界：对于1 ≤ p ≤ 2，达到(k+1)^(1/p)；对于p ≥ 2，达到(k+1)^(1-1/p)，比之前的O(k+1)界更紧。关键创新在于使用了调和分析中的里斯-索林插值定理（Riesz–Thorin interpolation theorem），这在当时的理论计算机科学中并不常见。审稿人称赞这是主要的技术贡献，并认为该论文扎实。值得注意的是，在王虹个人主页近40篇论文中，这是唯一没有直接链接的一篇。该论文体现了纯数学如何解决机器学习问题，并且符合NeurIPS 2026年新的理论贡献审稿指南，该指南重视数学严谨性和跨学科方法。