这篇于2026年4月15日提交至arXiv的论文《Double descent for least-squares interpolation on contaminated data: A simulation study》（ contaminated数据上最小二乘插值的双下降现象：一项模拟研究）由Tino Werner撰写，属于机器学习（cs.LG）领域。论文探讨了一个在经典统计理论中看似矛盾的现象：过参数化模型虽然按传统观点容易过拟合，却常常展现出优异的泛化性能。近年来，“双下降”现象的发现为这一悖论提供了新的解释——当模型复杂度超过某个阈值后，泛化误差不升反降。与此同时，稳健统计学关注的是 contaminated 数据下的统计估计问题：由于现实数据往往不满足理想分布假设，某些数据点会表现为相对于假设分布的离群值，从而严重扭曲经典估计器的表现。
该研究聚焦于一个具体问题：在训练数据被污染（contaminated）的线性回归设定中，是否也能观察到双下降现象？作者将高度非稳健的最小二乘插值估计器与若干稳健替代方法进行了系统比较。最小二乘插值估计器在传统稳健统计视角下极易受离群值影响，通常被认为不适合污染数据。然而，模拟实验的结果出人意料：当模型过参数化程度足够大时，双下降现象确实出现，并且最小二乘插值估计器展现出非常好的泛化性能，甚至超过了那些专门设计的稳健替代方法。
论文通过模拟研究详细考察了不同污染程度、模型复杂度以及估计器类型对泛化误差的影响。结果表明，过参数化带来的双下降效应能够在一定程度上“抵消”数据污染对最小二乘估计器的负面影响，使其在插值区域附近达到较低的测试误差。这一发现挑战了稳健统计学中“必须使用稳健估计器处理污染数据”的传统观点，并提示在高维过参数化模型中，经典非稳健方法可能因双下降机制而重新获得竞争力。
作者在文中也指出了研究的局限性：结论基于模拟实验，尚未提供完整的理论证明；污染模型和参数设置的具体范围需要进一步明确；实际应用中数据污染的形式可能更加复杂。尽管如此，这项工作为理解过参数化模型在非理想数据条件下的行为提供了新的视角，并可能启发后续关于双下降与稳健统计交叉领域的理论与实证研究。论文全文可通过arXiv获取，DOI为10.48550/arXiv.2605.21494，提交历史显示初始版本于2026年4月15日16:31:23 UTC发布，文件大小约12,637 KB。