Ключ	Значение
Server	GitHub.com
Access-Control-Allow-Origin	*
ETag	"6a84e11d-dfe4"
Cache-Control	max-age=600
x-proxy-cache	MISS
x-github-request-id	D08A:E2628:19E7C34:1A1E53D:6A8976D0
x-github-edge-region	fra
Accept-Ranges	bytes
Age	0
Date	Sat, 22 Aug 2026 10:15:45 GMT
Via	1.1 varnish
X-Served-By	cache-fra-eddf8230067-FRA
X-Cache	MISS
x-cache-hits	0
x-timer	S1787393745.964629,VS0,VE113
Vary	Accept-Encoding
x-fastly-request-id	e82f7b059d7bfa2ed5317e8ef7efebb91b5c0072

CMS

jemdoc, see http://jemdoc.jaboc.net/

Система управления сайтом (движок) ?

В мета-теге generator указано: jemdoc, see http://jemdoc.jaboc.net/.

Веб-сервер

GitHub.com

Программное обеспечение сервера ?

В заголовке Server указано: GitHub.com.

Мета-теги Готовность: 22%

Title

Publications

Заголовок страницы в браузере и поисковой выдаче ?

Необходимо увеличить число символов в title (текущее значение мало: 13, минимум: 25, оптимально: от 40 до 45)

Дублей словоформ в title не найдено.

Исправить

Description

Описание страницы в поисковой выдаче (сниппет) ?

Установите мета-тег description!

Исправить

Keywords

Список ключевых слов страницы (устаревший тег) ?

Установите мета-тег keywords!

Исправить

Канонический Url

Указывает поисковику основную версию страницы ?

Robots

Ошибок нет

Директивы для поисковых роботов на уровне страницы ?

Meta-тег robots не указан. Страница свободна для индексации.

Адаптивность

Настройка масштабирования на мобильных устройствах ?

Meta-тег viewport не указан. Страница не адаптивная.

Исправить

Разметка OpenGraph

Не найдено

Мета-теги для красивых превью в соцсетях ?

Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.

Исправить

Все мета-теги

Кол-во: 1

Полный список мета-тегов страницы ?

Найдены мета-теги 1шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.

Показать полный список мета-тегов

Тип	Название	Значение
name	generator	jemdoc, see http://jemdoc.jaboc.net/

Оптимизация Готовность: 60%

Структура

Ошибок нет

Семантические HTML-элементы страницы ?

Структура документа корректна (теги <html> и <body> присутствуют в единственном экземпляре).

Контент

Есть ошибки

Объём и качество текстового содержимого ?

Слова из title 0 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!

Абзацев с текстом 193 достаточно.

Среднее число слов в абзаце 23 достаточно.

Кол-во знаков контента 31021 на странице оптимально.

Кол-во слов 4525 на странице оптимально.

Исправить

Заголовки

Ошибок нет

Иерархия заголовков H1–H6 ?

На странице присутствуют заголовки <h1> 1. Это прекрасно.

На странице присутствуют заголовки <h2> 3. Это хорошо.

Тошнота

7,42

Насколько одно слово доминирует в тексте ?

Тошнота превышает норму 5. Измените текст страницы!

Исправить

Академич. тошнота

25,97%

Насколько текст перенасыщен ключевыми словами ?

Академическая тошнота превышает норму 5-15%. Измените текст страницы!

Исправить

Семантическое ядро

Наиболее часто встречающиеся слова на странице ?

Контент страницы содержит осмысленный текст и слова.

Показать список слов

Слово	Кол-во	Частота
learning	55	1,22%
neurips	50	1,10%
neural	37	0,82%
gradient	25	0,55%
networks	23	0,51%
optimization	22	0,49%
descent	20	0,44%
eshaan	16	0,35%
nichani	16	0,35%
linear	16	0,35%
wenhao	16	0,35%
transformers	13	0,29%
provable	13	0,29%
models	13	0,29%
provably	13	0,29%
information	13	0,29%
journal	13	0,29%
nathan	13	0,29%
damian	12	0,27%
reinforcement	12	0,27%

Индексация Готовность: 0%

Индексирование

Есть ошибки

Разрешено ли индексирование страницы ?

Анкоров на странице 221 слишком много. Проведите ревизию и оптимизацию ссылок сайта.

Исправить

Robots.txt

Не найден

Файл управления сканированием сайта роботами ?

Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.

Исправить

Sitemap

Кол-во: 0

XML-карта сайта для поисковиков ?

Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.

Исправить

Внутренние ссылки

Кол-во: 21

Ссылки на другие страницы своего сайта ?

Внутренних ссылок на странице 21 оптимально.

Показать внутренние ссылки

Url	Анкор	Состояние
/index.html	Home
/Jason_Lee_CV_Web_Numbered.pdf	CV (PDF)
/teaching.html	Teaching
/publications.html	Publications
/talks.html	Talks/Slides
/group.html	Group Members
/slides/polynomial_bandit_slides.pdf	Slides
/papers/marginal_screening.pdf	Exact Post Model Selection Inference for Marginal Screening
/papers/using_multiple_samples.pdf	Using Multiple Samples to Learn Mixture Models.
/papers/recovery_nips2013_camera.pdf	On Model Selection Consistency of M-Estimators with Geometrically Decomposable Penalties.<br>
/learningmgm.html	Project Homepage.
/papers/nips10.pdf	Practical Large Scale Optimization for Max-norm Regularization.<br>
/papers/sampta11.pdf	Multiscale Dynamic Graphs<br>
/papers/infocom10.pdf	Generalized DCell Structure for Load-Balanced Data Center Networks<br>
/papers/ssp09.pdf	Estimation of Intrinsic Dimensionality of Samples from Noisy Low-Dimensional Manifolds in High Dimensions with Multiscale SVD<br>
/learningmgm.html	[Code]
/papers/cme305_report.pdf	Learning Structured Matrices<br>
/papers/Lee-MulticlassClusteringUsingASemidefiniteRelaxation.pdf	Multiclass Clustering using a Semidefinite Relaxation
/papers/undergradthesis.pdf	Multiscale Estimation of Intrinsic Dimensionality of Point Cloud Data and Multiscale Analysis of Dynamic Graphs<br>
/papers/dcelltechreport.pdf	The Generalized DCell Network Structures and Their Graph Properties<br>
/papers/jmm08.pdf	Existence of Asymptotic Solutions to Semilinear Partial Difference Equations on Graphs<br>

Внешние ссылки

Кол-во: 200

Ссылки на сторонние сайты ?

Внешних ссылок на странице 200 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!

Показать первые 100 внешних ссылок

Url	Анкор
arxiv.org	LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization.
arxiv.org	Fine-Tuning Dynamics of In-Context Factual Recall in Transformers.
arxiv.org	Sharp Capacity Scaling of Spectral Optimizers in Learning Associative Memory.
arxiv.org	Sharp Capacity Thresholds in Linear Associative Memory: From Winner-Take-All to Listwise Retrieval.
arxiv.org	The Power of Power Law: Asymmetry Enables Compositional Reasoning.
arxiv.org	Statistical Learning Theory in Lean 4: Empirical Processes from Scratch.
arxiv.org	Provable Learning of Random Hierarchy Models and Hierarchical Shallow-to-Deep Chaining.
arxiv.org	Coverage Improvement and Fast Convergence of On-policy Preference Learning.
arxiv.org	Improved high-dimensional estimation with Langevin dynamics and stochastic weight averaging.
arxiv.org	Neural Networks Learn Generic Multi-Index Models Near Information-Theoretic Limit.
arxiv.org	The Generative Leap: Sharp Sample Complexity for Efficiently Learning Gaussian Multi-Index Models.
arxiv.org	Quantitative Bounds for Length Generalization in Transformers.
arxiv.org	DAG-Math: Graph-Guided Mathematical Reasoning in LLMs.
arxiv.org	On the Statistical Query Complexity of Learning Semiautomata: a Random Walk Approach.
arxiv.org	Risk Comparisons in Linear Regression: Implicit Regularization Dominates Explicit Regularization.
fuchsia-arch-d8e.notion.site	Heuristics Considered Harmful: RL With Random Rewards Should Not Make LLMs Reason.
arxiv.org	Metastable Dynamics of Chain-of-Thought Reasoning: Provable Benefits of Search, RL and Distillation.
arxiv.org	Discrepancies are Virtue: Weak-to-Strong Generalization through Lens of Intrinsic Dimension.
arxiv.org	Rethinking Addressing in Language Models via Contexualized Equivariant Positional Encoding.
arxiv.org	Learning Compositional Functions with Transformers from Easy-to-Hard Data.
arxiv.org	Emergence and scaling laws in SGD learning of shallow neural networks.
arxiv.org	What Makes a Reward Model a Good Teacher? An Optimization Perspective.
arxiv.org	Accelerating RL for LLM Reasoning with Optimal Advantage Regression.
arxiv.org	Understanding Optimization in Deep Learning with Central Flows.
centralflows.github.io	blog
openreview.net	Deployment Efficient Reward-Free Exploration with Linear Function Approximation.
arxiv.org	What One Cannot, Two Can: Two-Layer Transformers Provably Represent Induction Heads on Any-Order Markov Chains.
arxiv.org	Learning Hierarchical Polynomials of Multiple Nonlinear Features with Three-Layer Networks.
arxiv.org	Understanding Factual Recall in Transformers via Associative Memories.
arxiv.org	Transformers Learn to Implement Multi-step Gradient Descent with Chain of Thought.
arxiv.org	Exploiting Structure in Offline Multi-Agent RL: The Benefits of Low Interaction Rank.
arxiv.org	Correcting the Mythos of KL-Regularization: Direct Alignment without Overoptimization via Chi-Squared Preference Optimization .
arxiv.org	Regressing the Relative Future: Efficient Policy Optimization for Multi-turn RLHF.
arxiv.org	Anytime Acceleration of Gradient Descent.
arxiv.org	Learning Orthogonal Multi-Index Models: A Fine-Grained Information Exponent Analysis.
arxiv.org	Task Diversity Shortens the ICL Plateau.
arxiv.org	Neural network learns low-dimensional polynomials with SGD near the information-theoretic limit.
arxiv.org	Scaling Laws in Linear Regression: Compute, Parameters, and Data.
arxiv.org	Stochastic Zeroth-Order Optimization under Strongly Convexity and Lipschitz Hessian: Minimax Sample Complexity.
arxiv.org	BitDelta: Your Fine-Tune May Only Be Worth One Bit.
arxiv.org	REBEL: Reinforcement Learning via Regressing Relative Rewards.
arxiv.org	Learning and Transferring Sparse Contextual Bigrams with Linear Transformers.
arxiv.org	How Transformers Learn Causal Structure with Gradient Descent.
arxiv.org	An Information-Theoretic Analysis of In-Context Learning.
arxiv.org	LoRA Training in the NTK Regime has No Spurious Local Minima.
arxiv.org	Revisiting Zeroth-Order Optimization for Memory-Efficient LLM Fine-Tuning: A Benchmark.
arxiv.org	Medusa: Simple LLM Inference Acceleration Framework with Multiple Decoding Heads.
github.com	Code
sites.google.com	Blog
arxiv.org	Transformers Provably Learn Sparse Token Selection While Fully-Connected Nets Cannot.
arxiv.org	Computational-Statistical Gaps in Gaussian Single-Index Models.
arxiv.org	Optimal Multi-Distribution Learning.
arxiv.org	Settling the Sample Complexity of Online Reinforcement Learning.
arxiv.org	Provable Offline Reinforcement Learning with Human Feedback.
arxiv.org	Provable Reward-Agnostic Preference-Based Reinforcement Learning.
arxiv.org	Horizon-Free Regret for Linear Markov Decision Processes.
arxiv.org	Provably Efficient CVaR RL in Low-rank MDPs.
arxiv.org	Learning Hierarchical Polynomials with Three-Layer Neural Networks
arxiv.org	Dichotomy of Early and Late Phase Implicit Biases Can Provably Induce Grokking
arxiv.org	Teaching Arithmetic to Small Transformers.
arxiv.org	REST: Retrieval-Based Speculative Decoding
sites.google.com	blogpost
github.com	code
arxiv.org	Dataset Reset Policy Optimization for RLHF.
arxiv.org	Scaling In-Context Demonstrations with Structured Attention.
arxiv.org	Towards Optimal Statistical Watermarking.
arxiv.org	Reward Collapse in Aligning Large Language Models.
arxiv.org	How Well Can Transformers Emulate In-context Newton's Method?
arxiv.org	Fine-Tuning Language Models with Just Forward Passes .
arxiv.org	Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and Optimal Algorithms.
arxiv.org	Smoothing the Landscape Boosts the Signal for SGD: Optimal Sample Complexity for Learning Single Index Models.
arxiv.org	Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability.
arxiv.org	Reward-agnostic Fine-tuning: Provable Statistical Benefits of Hybrid Reinforcement Learning.
arxiv.org	Provable Guarantees for Nonlinear Feature Learning in Three-Layer Neural Networks .
arxiv.org	Offline Minimax Soft-Q-learning Under Realizability and Partial Coverage.
arxiv.org	Looped Transformers as Programmable Computers.
arxiv.org	Understanding Incremental Learning of Gradient Descent: A Fine-grained Analysis of Matrix Sensing.
arxiv.org	Computationally Efficient PAC RL in POMDPs with Latent Determinism and Conditional Embeddings.
arxiv.org	Local Optimization Achieves Global Optimality in Multi-Agent Reinforcement Learning.
arxiv.org	Self-Stabilization: The Implicit Bias of Gradient Descent at the Edge of Stability.
arxiv.org	Decentralized Optimistic Hyperpolicy Mirror Descent: Provably No-Regret Learning in Markov Games.
arxiv.org	PAC Reinforcement Learning for Predictive State Representations.
arxiv.org	Can We Find Nash Equilibria at a Linear Rate in Markov Games?
arxiv.org	Reconstructing Training Data from the Loss Gradient, Provably.
arxiv.org	Provable Hierarchy-Based Meta-Reinforcement Learning.
arxiv.org	Provably Efficient Reinforcement Learning via Surprise Bound.
arxiv.org	Implicit Bias of Gradient Descent on Reparametrized Models: On Equivalence to Mirror Descent.
arxiv.org	Neural Networks can Learn Representations with Gradient Descent.
arxiv.org	Provably Efficient Reinforcement Learning in Partially Observable Dynamical System.
arxiv.org	From Gradient Flow on Population Loss to Learning with Stochastic Gradient Descent.
arxiv.org	Offline Reinforcement Learning with Realizability and Single-policy Concentrability.
arxiv.org	Identifying good directions to escape the NTK regime and efficiently learn low-degree plus sparse polynomials.
arxiv.org	On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias.
arxiv.org	Nearly Minimax Algorithms for Linear Bandits with Shared Representation.
arxiv.org	Optimization-Based Separations for Neural Networks.
arxiv.org	Provable Regret Bounds for Deep Online Learning and Control.
arxiv.org	Optimal Gradient-based Algorithms for Non-concave Bandit Optimization.
youtu.be	Video
arxiv.org	Going Beyond Linear RL: Sample Efficient Neural Function Approximation.
arxiv.org	Towards General Function Approximation in Zero-Sum Markov Games.

Исправить

Конкуренты Готовность: 0%

Конкуренты в Яндексе

Кол-во: 0

Топ сайтов-конкурентов в Яндексе ?

Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.

Конкурентов в ТОП-10 Яндекса не нашлось.

Исправить

Конкуренты в Google

Кол-во: 0

Топ сайтов-конкурентов в Google ?

Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!

Конкурентов в ТОП-10 Google не нашлось.

Исправить

ЗоЗПП: права потребителей Готовность: 100%

Нарушения

Не выявлены

Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.

ФЗ-149: рекомендательные технологии Готовность: 100%

Нарушения

Не выявлены

Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.

ФЗ-38: реклама Готовность: 100%

Нарушения

Не выявлены

Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.

ФЗ-436: защита детей Готовность: 100%

Нарушения

Не выявлены

Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.

Поделитесь с друзьями:

Анализ страницы https://jasondlee88.github.io/publications.html

Основное Готовность: 95%

Домен

Ответ сервера

Безопасность

Кодировка

Язык

Скорость загрузки

Объем документа

Ресурсы

Серверные заголовки

CMS

Веб-сервер

Мета-теги Готовность: 22%

Title

Description

Keywords

Канонический Url

Robots

Адаптивность

Разметка OpenGraph

Все мета-теги

Оптимизация Готовность: 60%

Структура

Контент

Заголовки

Тошнота

Академич. тошнота

Семантическое ядро

Индексация Готовность: 0%

Индексирование

Robots.txt

Sitemap

Внутренние ссылки

Внешние ссылки

Конкуренты Готовность: 0%

Конкуренты в Яндексе

Конкуренты в Google

ЗоЗПП: права потребителей Готовность: 100%

Нарушения

ФЗ-149: рекомендательные технологии Готовность: 100%

Нарушения

ФЗ-38: реклама Готовность: 100%

Нарушения

ФЗ-436: защита детей Готовность: 100%

Нарушения

Вердикт