2025年3月6日，人工智能系列读书班活动迎来了2025年第三场报告会，张晓亮博士做了“计算学习理论”的研究内容分享，先后介绍了概率近似正确PAC（提供学习算法的性能保证，确保算法在有限样本下能够以高概率近似正确学习），PAC可学习、PAC学习算法、不可知PAC可学习、VC维（衡量机器学习模型复杂度的一个指标，表示模型能够正确分类的最大数据集容量）、Rademacher复杂度（用于评估机器学习模型的泛化能力，复杂度越低，泛化性能越好）、稳定性（若学习算法A满足风险最小化ERM且稳定的，则假设空间H可学习）等：
图1 张晓亮博士主持“计算学习理论”讨论会
自由讨论环节，大家讨论了PAC可学习、VC维的概念，以及多项式时间内可解决的问题等；又简要讨论了DeepSeek+知识库的构建、在徽菜上的分类效果以及DeepSeek+工作流的问题等。
（总结：沈来信）