王虹 NeurIPS 2019 论文：低秩近似如何兼顾结构与效率

量子位把王虹参与的 NeurIPS 2019 论文重新拉回 AI 语境：论文题目是《Optimal Analysis of Subset-Selection Based ℓp Low-Rank Approximation》，讨论低秩矩阵近似与列子集选择的理论分析。它是王虹早期的一项共同署名论文，不应被写成她在 2026 年才突然进入 AI。1

图集中的算法页不是产品流程图，而是论文里的方法证据：一个算法先枚举/选择列子集并做回归，另一个过程把候选列数从 O(k log m) 压回 k，同时控制误差。2

它展示的是理论数学和机器学习之间的一条具体连接：抽象的插值不等式，最终参与了矩阵近似算法的误差分析。对今天的 AI 研究来说，重点不是把一篇旧论文包装成新模型，而是看清楚理论工具如何进入算法保证。

论文原文：Optimal Analysis of Subset-Selection Based ℓp Low-Rank Approximation。