Le problème d’Ulam consiste à déterminer la longueur de la plus longue sous-suite croissante d’une permutation aléatoire de taille n. Diverses méthodes ont permis de montrer que cette longueur est asymptotiquement équivalente à 2\sqrt{n}. Dans cet exposé, je présenterai une preuve de Cator et Groeneboom reposant sur un couplage probabiliste avec un modèle stationnaire. Je montrerai également comment cette approche peut être adaptée pour traiter d’autres problèmes connexes.

L'objectif de la prédiction séquentielle probabiliste est de prédire une suite d'observations révélées une à une, en leur attribuant des probabilités aussi élevées que possible. Ce problème classique en apprentissage et en théorie de l'information est étroitement lié au codage universel et, plus récemment, à la prédiction du prochain token pour les modèles de langage. Dans cet exposé, je rappellerai d'abord des résultats classiques dus à Shtarkov et Rissanen dans les années 80–90. Une question centrale consiste à relier la complexité du problème à la "géométrie" du modèle sous-jacent. Pour […]

Le problème d’Ulam consiste à déterminer la longueur de la plus longue sous-suite croissante d’une permutation aléatoire de taille n. Diverses méthodes ont permis de montrer que cette longueur est asymptotiquement équivalente à 2\sqrt{n}. Dans cet exposé, je présenterai une preuve de Cator et Groeneboom reposant sur un couplage probabiliste avec un modèle stationnaire. Je montrerai également comment cette approche peut être adaptée pour traiter d’autres problèmes connexes.