基于U统计量的经验风险最小化涵盖了广泛的应用领域，包括成对排序和生存分析等，其难点在于计算复杂度随着样本量增加呈多项式阶增长。基于分块集成策略提出了两种高效分布式算法：第一种方法将扩展了替代似然思想，对高阶梯度进行局部近似和逼近；第二种方法将M估计中的一步更新思想扩展到成对损失。建立了所得估计量的统计推断理论，证明了算法可以在高维情形下实现高效通讯，并通过多步迭代放松对机器数量的限制，提高并行计算效率。相关成果发表在国际机器学习顶级期刊《Journal of Machine Learning Research》。（2023.11）
