Es ist bekannt, dass es für das PAC-Lernen natürliche Konzeptklassen gibt (z. B. Untergruppen von Entscheidungslisten), für die es polynomielle Lücken zwischen der Komplexität der Stichprobe, die für das informationstheoretische Lernen durch einen rechnerisch unbegrenzten Lernenden benötigt wird, und der Komplexität der Stichprobe, die von einem Polynom benötigt wird. Zeitlerner. (siehe z. B. http://portal.acm.org/citation.cfm?id=267489&dl=GUIDE oder http://portal.acm.org/citation.cfm?id=301437 )
Diese Ergebnisse scheinen jedoch von der Kodierung eines Geheimnisses in bestimmten Beispielen abzuhängen und lassen sich daher nicht auf das SQ-Modell des Lernens übertragen, bei dem der Lernende lediglich statistische Eigenschaften der Verteilung abfragt.
Ist bekannt, ob es Konzeptklassen gibt, für die informationstheoretisches Lernen im SQ-Modell mit O (f (n)) Abfragen möglich ist, rechnerisch effizientes Lernen jedoch nur mit Omega (g (n)) Abfragen für g (n) ) >> f (n)?