王虹教授2019年NeurIPS论文属理论型贡献，以Riesz–Thorin插值定理为核心工具，通过端点分析+插值延拓，严谨推导出算法在全L^p空间的统一近似界，彰显纯数学深度对AI理论的奠基性作用。
在NeurIPS 2026最新投稿规范中，论文须明确归属五类贡献之一：通用型、理论型、应用驱动型、概念与可行性型，或负面结果型。王虹教授2019年发表于NeurIPS的论文被归为‘理论型’——这一定位并非偶然。根据大会现行审稿指南，理论工作首要评判标准是数学严谨性：定义清晰、引理可靠、推导无瑕、逻辑自洽；实验验证既非必需，亦不构成价值减分项。尤为关键的是，NeurIPS明确认可纯理论贡献的独立价值——新算法的设计目标，未必是刷新SOTA性能或征服超大规模数据集。该论文的核心创新在于巧妙调用调和分析中的经典工具：Riesz–Thorin插值定理。传统方法需对每个p值单独论证，而作者另辟蹊径：仅严格证明p=1、p=2与p=∞三个端点情形，再借插值定理将结论无缝延拓至全部L^p空间，一举确立统一近似误差上界。
来源：量子位