本文探讨了全能预测器在回归中的应用及其与凸函数的近似秩。全能预测器能够在所有损失函数下实现低于最佳假设的期望损失。提出了足够统计量的概念，以帮助在损失函数族中实现损失最小化。针对凸和Lipschitz函数的ϵ-近似秩，提供了O(1/ε^{2/3})的界限，并展示了在弱可学习假设下的学习效率提升。