菲尔兹奖得主王虹，也发过NeurIPS
内容提要
新晋菲尔兹奖得主王虹曾以共同一作身份在NeurIPS 2019发表论文，研究低秩矩阵近似问题。她运用调和分析中的Riesz–Thorin插值定理，改进了CSS算法的近似比上界，获得更紧的理论结果。该论文获审稿人认可，被视为数学与AI跨学科结合的典范，也印证了NeurIPS理论论文的独立价值。
延伸解读
数学工具跨界解决AI难题
王虹的论文将调和分析中的Riesz–Thorin插值定理引入低秩矩阵近似问题，通过先证明端点情况再插值到所有p值，简化了证明过程。这种跨学科方法不仅提升了CSS算法的近似比上界，还展示了纯数学理论在机器学习中的实际应用价值。
NeurIPS理论论文的独立价值
NeurIPS 2026审稿指南明确理论论文可独立成立，不要求实验对比SOTA。王虹的论文正是典型：没有提出新架构，而是通过数学证明给出更紧的界。这印证了理论贡献在AI顶会中的重要性，也鼓励研究者从其他学科引入新工具。
菲尔兹奖得主的跨界启示
王虹作为纯数学家，在AI顶会发表论文，说明数学与AI的边界并不清晰。她的工作为机器学习难题提供了数学突破口，也提醒研究者：解决AI问题不一定依赖大规模模型，严谨的理论推导同样能产生重要影响。
Q&A
王虹在NeurIPS 2019发表的论文是关于什么主题的？
该论文研究低秩矩阵近似问题，具体关注列子集选择（CSS）算法的近似比上界，并利用调和分析中的Riesz–Thorin插值定理改进了上界。
王虹的NeurIPS论文中，CSS算法的近似比上界是如何被改进的？
此前CSS算法的近似比上界为O(k+1)，王虹等人的工作将其改进为更紧的界，对于p≥2的情况还构造了对应的下界，证明结果精确到常数1。
王虹在论文中使用了什么数学工具？为什么这个工具重要？
她使用了调和分析中的Riesz–Thorin插值定理。该工具允许从p=1、2、∞三个端点情况出发，通过插值得到所有p值的近似界，避免了针对每个p值分别分析的复杂性。
NeurIPS审稿人如何评价王虹的论文？
审稿人认可论文的主要技术创新是引入Riesz–Thorin定理，Meta Review评价其为论证相当扎实的论文。
NeurIPS 2026的审稿指南对理论论文有什么要求？
NeurIPS 2026要求作者从五种贡献类型中选择，理论论文主要考察数学严谨性和正确性，不要求必须有实验，理论贡献可以独立成立，也允许从其他学科引入新的证明工具。
王虹的论文如何体现数学与AI的跨学科结合？
论文将调和分析中的经典工具Riesz–Thorin插值定理引入低秩近似问题，解决了算法界限问题，展示了纯数学方法在机器学习难题中的价值，是跨学科结合的典范。
为什么说王虹的论文属于NeurIPS的Theory类型？
因为论文主要贡献是理论性的，改进了CSS算法的近似比上界，没有提出神经网络架构或训练模型，而是引入新的数学工具，符合NeurIPS 2026对理论论文的定义。
