是否已研究了稍微不一致的类（例如BPP /线性）的去随机化？

通过BPP /线性，我指的是具有线性建议的BPP机器，当给出“正确”建议时，它可以实现承诺，并且去随机化可以为我们提供P /线性或（SUBEXP /线性）算法。

如果我们使用非均匀的假设，我认为经典的结果应该可行，因为我们可以“愚弄”非均匀的对手。

但是，使用统一的假设，例如，非平凡的随机化似乎是一个更困难的问题。$EXP\neq BPP$

是否存在有关此类分类的结果，而不是必需的BPP /线性？

我使用了这位学者搜索，似乎在某种程度上相关的唯一结果是：

Lance Fortnow，Adam Klivans，《随机对数空间的线性建议》，ECCC TR05-042，2005年。

$\mathbf{RL} \subseteq \mathbf{L}/O(n)$