2026-05-27 每日 arXiv 资讯

• 高相关论文 4 篇 · 中相关 18 篇 · 其他 19 篇 · 会议/Seminar 事件 0 条

⭐ 高相关论文（按主题分组）

因果推断 (causal_inference, 2 篇)

1. 2605.26964 — Semiparametric Inference for Causal Effects on Functional Outcomes

• 作者: Junzhu Nie, Chengxiu Ling, Mengfei Ran
• 分类: stat.ME · stat.AP
• 相关性 9/10 · novelty: new_method
• 摘要: 在平行趋势假设下的功能型（函数型）数据 Difference-in-Differences (DiD) 设定中，目标是功能型平均处理效应 (functional ATE) 的 identification 与 semiparametric 估计。本文首先推导了该 estimand 的 efficient influence function (EIF)，从而确立了 semiparametric efficiency bound。随后利用 Neyman orthogonality 与 cross-fitting 构造了 debiased estimator，有效消除了非参数函数重建带来的 regularization bias。理论上证明了该估计量的 weak convergence，并构建了渐近有效的 uniform confidence band，实现了从逐点到曲线层面的推断；同时证明了离散采样下的重建误差对 semiparametric 推断渐近可忽略。对您可能有用：本文将您熟悉的 efficiency theory 与 debiased ML (cross-fitting + orthogonal score) 拓展至功能型因果 estimand，是 functional data 与因果推断交叉的典型范例。
• 关键技术: functional difference-in-differences, efficient influence function, Neyman orthogonality, cross-fitting, debiased estimation, uniform confidence band
• 为什么对您有用: 直接连接因果推断的 identification 与 estimation 子方向，以及 efficiency theory (semiparametric efficiency bound, debiased ML)。您 very_familiar 的 minimax bounds 与 high-dimensional asymptotics 可用于审视其 functional uniform confidence band 的收敛率是否达到 minimax optimal；moderately_familiar 的 semiparametric theory 与 HOIF 可直接对照其 EIF 推导与 debiased 构造逻辑。立即可做：用 very_familiar 的 semiparametric efficiency 工具复现其 EIF 推导，并验证离散采样重建误差的渐近忽略条件在何种 Sobolev/Besov 空间光滑度下成立。

2. 2605.26515 — Learning a directed acyclic graph with additive heteroscedastic errors

• 作者: Xintao Xia, Li Chen, Yue Hu, Chunlin Li
• 分类: stat.ME
• 相关性 8/10 · novelty: new_method
• 摘要: 本文研究在加性异方差误差（location-scale noise model）的结构方程模型下，有向无环图（DAG）的因果发现与可识别性问题。作者首先证明了异方差性可被利用来恢复因果方向的新 identifiability 结果，突破了传统同方差假设的限制。基于此，提出迭代算法 RESQUE：每轮包含残差构造与复合分位数回归（composite quantile regression）两步，利用条件尺度系数在不同分位数下的不变性递归识别 sink node。理论证明该算法在变量数随样本量发散时仍能恢复拓扑序与图结构，且无需参数分布假设。仿真与基准数据表明，当因果信息部分编码于方差成分时，RESQUE 优于现有均值建模方法。对您有用：该文将异方差结构作为因果识别信号，与您在因果推断 identification theory 及 semiparametric theory 的兴趣直接相连。
• 关键技术: additive heteroscedastic error model, location-scale noise identifiability, composite quantile regression, sink node recursive identification, topological order recovery, diverging dimensionality
• 为什么对您有用: 直接连接因果推断的 identification theory 子方向：利用异方差（方差结构而非均值）实现非参数可识别性，突破了传统同方差 ICA 类方法的局限。您武器库中的 semiparametric theory（moderately_familiar）可直接攻入：RESQUE 的复合分位数回归步骤本质是 semiparametric M-estimation，可用 M-estimation theory 分析其收敛率与效率，甚至推导 semiparametric efficiency bound 判断当前 estimator 是否最优。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，特别是分位数回归的渐近理论与 diverging dimensionality 下的 M-ester 收敛分析。

非参数 / 半参数 (nonparam_semipara, 2 篇)

1. 2605.27137 — Bernstein-von Mises Theorem for Sparse Generalized Linear Model

• 作者: Hanqing Li, Xuewen Lu
• 分类: math.ST · stat.ME · stat.TH
• 相关性 8/10 · novelty: new_theory
• 摘要: 本文研究带可能分组稀疏性的广义线性模型（GLM）下 spike-and-slab 先验的 Bayesian 后验渐近理论，目标参数为回归系数在真实支撑集上的投影。核心结果是分数后验（fractional posterior）的 oracle Bernstein–von Mises 定理：在 supportwise likelihood 假设与 beta-min 分离条件下，后验收缩至支撑特定的 pseudo-true 中心，并最终坍缩为 oracle Gaussian 律。证明机制结合了稀疏局部渐近正态性（sparse LAN）与围绕 pseudo-true 中心的 Laplace 逼近，辅以固定先验质量、支撑惩罚与恢复几何条件；对普通后验则需额外活跃维度与矩条件。文中在 Gaussian、logistic、Poisson、probit、Gamma log-link 及 negative-binomial log-link 回归下验证了模型入口条件。对您有用：该文的 sparse LAN 与 Laplace 逼近技术为高维 semiparametric efficiency / debiased ML 中的局部似然分析提供了 Bayesian 侧的平行视角。
• 关键技术: spike-and-slab prior, fractional posterior, sparse local asymptotic normality (LAN), Laplace approximation, oracle Bernstein-von Mises theorem, beta-min separation condition
• 为什么对您有用: 本文直接连接到 semiparametric / efficiency theory 子方向：sparse LAN 与 pseudo-true 中心上的 Laplace 逼近为高维 debiased ML 的局部似然展开提供了 Bayesian 平行对照，可审视其 Gaussian 极限是否与 semiparametric efficiency bound 一致。用 very_familiar 中的 minimax bounds 与 high-dimensional asymptotics 可直接检验本文声称的 oracle Gaussian 收缩率是否紧，以及 beta-min 条件与 frequentist sparsity 假设的强弱对比。立即可做：用现有 minimax / 高维渐近武器对照其 rate 与条件。

2. 2605.27137 — Bernstein-von Mises Theorem for Sparse Generalized Linear Model

• 作者: Hanqing Li, Xuewen Lu
• 分类: math.ST · stat.ME · stat.TH
• 相关性 8/10 · novelty: new_theory
• 摘要: 本文研究带可能分组稀疏性的广义线性模型（GLM）下 spike-and-slab 先验的 Bayesian 后验渐近理论，目标参数为回归系数在真实支撑集上的投影。核心结果是分数后验（fractional posterior）的 oracle Bernstein–von Mises 定理：在 supportwise likelihood 假设与 beta-min 分离条件下，后验收缩至支撑特定的 pseudo-true 中心，并最终坍缩为 oracle Gaussian 律。证明机制结合了稀疏局部渐近正态性（sparse LAN）与围绕 pseudo-true 中心的 Laplace 逼近，辅以固定先验质量、支撑惩罚与恢复几何条件；对普通后验则需额外活跃维度与矩条件。文中在 Gaussian、logistic、Poisson、probit、Gamma log-link 及 negative-binomial log-link 回归下验证了模型入口条件。对您有用：该文的 sparse LAN 与 Laplace 逼近技术为高维 semiparametric efficiency / debiased ML 中的局部似然分析提供了 Bayesian 侧的平行视角。
• 关键技术: spike-and-slab prior, fractional posterior, sparse local asymptotic normality (LAN), Laplace approximation, oracle Bernstein-von Mises theorem, beta-min separation condition
• 为什么对您有用: 本文直接连接到 semiparametric / efficiency theory 子方向：sparse LAN 与 pseudo-true 中心上的 Laplace 逼近为高维 debiased ML 的局部似然展开提供了 Bayesian 平行对照，可审视其 Gaussian 极限是否与 semiparametric efficiency bound 一致。用 very_familiar 中的 minimax bounds 与 high-dimensional asymptotics 可直接检验本文声称的 oracle Gaussian 收缩率是否紧，以及 beta-min 条件与 frequentist sparsity 假设的强弱对比。立即可做：用现有 minimax / 高维渐近武器对照其 rate 与条件。

📌 中相关论文（按主题分组）

因果推断 (causal_inference, 3 篇)

1. 2605.26532 — Global Average Treatment Effects for Individualized Randomization Experiments with Aggregate Data

• 作者: Shuguang Yu, Ting Li, Yuchen Lu, Chengchun Shi, Fan Zhou, Zhichao Zou, Peng Zhen, Hongtu Zhu
• 分类: stat.ME
• 相关性 7/10 · novelty: new_method
• 摘要: 在双边市场（如网约车平台）的个体化随机实验设定下，目标是仅使用聚合数据（因隐私/系统约束）估计全局平均处理效应（GATE），核心挑战在于强时间与跨单位干扰使得标准 TE 估计失效。作者首先基于聚合观测建立 GATE 的 identification 条件，随后提出 IRE-VCDP 模型，通过供需动态显式刻画干扰结构。在此基础上构建 GATE 的估计与推断流程，并给出所提检验的理论保证（含 type-I/II error 控制）。仿真与网约车平台真实实验验证了方法有效性。对您有用之处：将聚合数据下的 identification 与干扰建模结合，为 longitudinal/复杂干扰设定下的因果推断提供了新框架。
• 关键技术: Global Average Treatment Effect (GATE), aggregate data identification, interference modeling via supply-demand dynamics, IRE-VCDP model, hypothesis testing with theoretical guarantees
• 为什么对您有用: 直接连接 causal inference 中 longitudinal 与 interference 设定下的 identification/estimation 子方向；可用您 very_familiar 的 estimation theory in causal inference 检视其 GATE estimator 的收敛性质，或用 moderately_familiar 的 identification theory 审视其聚合数据 identification 条件的完备性。立即可做：用现有因果推断估计理论工具审视其 identification 与估计收敛率。

2. 2605.27272 — Causally-interpretable meta-analysis using aggregate data

• 作者: Qingyang Shi, Wouter van Amsterdam, Sacha la Bastide-van Gemert, Talitha Feenstra, Issa J. Dahabreh
• 分类: stat.ME
• 相关性 7/10 · novelty: new_method
• 摘要: 在多随机试验汇总的 meta-analysis 设定下，目标是利用仅有的试验汇总数据（aggregate data）在新目标人群中识别和估计因果效应（ATE/CATE），克服传统随机效应 meta-analysis 无法给出因果解释且不适用于任何真实人群的缺陷。核心方法利用试验报告的边际效应、亚组效应及基线协变量描述统计量，构建矩方程识别并估计参数化 CATE 函数；随后在目标人群的个体协变量数据上对 CATE 函数积分边际化，得到目标人群 ATE，并可扩展至因果间接比较。理论部分给出了估计量的渐近性质（基于矩估计的 M-estimation 理论），模拟与 SGLT2 抑制剂心衰 meta-analysis 实证验证了有限样本表现。对您可能有用：本文将 transportability / generalizability 的因果识别框架从个体数据推广至汇总数据矩估计，为流行病学队列或经济政策评估中仅有汇总统计量的跨人群因果推断提供了新路径。
• 关键技术: causally-interpretable meta-analysis (CIMA), aggregate-data moment equations, parametric CATE estimation, target population marginalization, M-estimation asymptotics, transportability
• 为什么对您有用: 本文直接连接因果推断的 identification 与 estimation 子方向（跨人群 transportability / generalizability），且聚焦于仅有汇总数据的设定——这在流行病学与经济理论的应用因果工作中极为常见。您武器库中 moderately_familiar 的 M-estimation theory 与 identification theory in causal inference 完全可以攻入本文的矩方程识别与渐近分析部分，验证其 M-estimator 是否达到 semiparametric efficiency bound 或存在改进空间。中期可做：需先在 moderately_familiar 的 identification theory 上长肌肉（具体是 transportability 的 selection diagram / g-formula 变体），再结合 very_familiar 的 estimation theory 探索非参数/半参数 CATE 框架下仅依赖汇总数据的更优估计。

3. 2605.27085 — Estimation and Inference for Win Measures with Multiple Ordinal Endpoints Subject to Missingness

• 作者: Yi Liu, Huiman Barnhart, Sean O'Brien, Yuliya Lokhnygina, Roland A. Matsouaka
• 分类: stat.ME · math.ST · stat.AP · stat.TH
• 相关性 4/10 · novelty: new_method
• 摘要: 在具有多层序型终点（hierarchical ordinal endpoints）的随机化临床试验中，目标是估计 win ratio / win odds / net benefit 等 win measures，当部分终点存在缺失数据时，标准逐对比较法即使在 MCAR 下也会产生偏差。本文提出 IPW 与 AIPW 两种估计量：IPW 通过联合非缺失概率对完整观测对进行加权以纠正偏差；AIPW 进一步纳入结局建模，实现双重稳健（double robustness）并提升效率。基于 influence function 推导了两种方法的闭式方差估计量，证明了 AIPW 的效率优势与双重稳健性质。模拟显示标准方法偏差显著而新方法一致且覆盖率接近名义水平，AIPW 效率优于 IPW；SCOUT-CAP 与 ACTT-1 试验数据验证了实用性。对您有用：本文将 AIPW / influence function 框架系统引入 win measures 的缺失数据问题，与您在 semiparametric efficiency 和 causal inference estimation theory 的兴趣直接对接。
• 关键技术: AIPW estimator, double robustness, influence function, inverse probability weighting, win ratio / win odds, hierarchical ordinal endpoints
• 为什么对您有用: 本文直接连接 causal inference 中的 IPW/AIPW 估计与 influence function 推断框架，属于您 primary interest 中 semiparametric efficiency 与 estimation theory 的具体应用场景。您武器库中 very_familiar 的 M-estimation theory 与 moderately_familiar 的 semiparametric theory / influence function 完全可以攻入本文的理论部分——例如验证 AIPW 是否达到 semiparametric efficiency bound，或用 HOIF 探索更高阶的效率提升。Follow-up 判断：立即可做——用您熟悉的 influence function 与 semiparametric efficiency bound 工具，检查本文 AIPW 估计量是否已达到该模型下的效率下界，若未达到则可构造 one-step / HOIF 修正。

非参数 / 半参数 (nonparam_semipara, 7 篇)

1. 2605.26753 — Estimating the logistic regression equation when the model is incorrect

• 作者: Nils Lid Hjort
• 分类: math.ST · stat.TH
• 相关性 7/10 · novelty: new_theory
• 摘要: 在 logistic 回归模型被误设（仅作为真实回归函数的近似）的框架下，研究 MLE 的行为；目标参数是最小化加权 Kullback-Leibler 距离的 least false parameter value。核心证明：MLE 在模型误设下仍一致收敛至该 least false parameter，且具有渐近正态性；收敛速率与权重函数及真实分布到参数模型的距离度量直接相关。技术工具主要依赖经典 M-estimation 理论与 empirical process。文中进一步讨论了 weighted likelihood 与 local likelihood 等扩展方向。对您有用：本文是 semiparametric M-estimation 在模型误设下的经典理论参考，直接关联您 moderately_familiar 中的 M-estimation theory 与 misspecified model 下的 influence function 分析。
• 关键技术: misspecified model asymptotics, least false parameter, weighted Kullback-Leibler divergence, M-estimation theory, local likelihood estimation
• 为什么对您有用: 直接关联您 moderately_familiar 中的 M-estimation theory：本文给出了 logistic 回归误设下 MLE 的 least false parameter 一致性与渐近正态性完整刻画，是研究 misspecified semiparametric model 的 gateway reading。用您 very_familiar 的 minimax bounds 与 high-dimensional asymptotics 工具，可以尝试将此 least false parameter 框架推到高维惩罚 logistic 场景，分析 debiased estimator 在误设下的行为。立即可做：用 very_familiar 的 M-estimation 与高维渐近工具即可动手做高维误设 logistic 的 follow-up。

2. 2605.26753 — Estimating the logistic regression equation when the model is incorrect

• 作者: Nils Lid Hjort
• 分类: math.ST · stat.TH
• 相关性 7/10 · novelty: new_theory
• 摘要: 在 logistic 回归模型被误设（仅作为真实回归函数的近似）的框架下，研究 MLE 的行为；目标参数是最小化加权 Kullback-Leibler 距离的 least false parameter value。核心证明：MLE 在模型误设下仍一致收敛至该 least false parameter，且具有渐近正态性；收敛速率与权重函数及真实分布到参数模型的距离度量直接相关。技术工具主要依赖经典 M-estimation 理论与 empirical process。文中进一步讨论了 weighted likelihood 与 local likelihood 等扩展方向。对您有用：本文是 semiparametric M-estimation 在模型误设下的经典理论参考，直接关联您 moderately_familiar 中的 M-estimation theory 与 misspecified model 下的 influence function 分析。
• 关键技术: misspecified model asymptotics, least false parameter, weighted Kullback-Leibler divergence, M-estimation theory, local likelihood estimation
• 为什么对您有用: 直接关联您 moderately_familiar 中的 M-estimation theory：本文给出了 logistic 回归误设下 MLE 的 least false parameter 一致性与渐近正态性完整刻画，是研究 misspecified semiparametric model 的 gateway reading。用您 very_familiar 的 minimax bounds 与 high-dimensional asymptotics 工具，可以尝试将此 least false parameter 框架推到高维惩罚 logistic 场景，分析 debiased estimator 在误设下的行为。立即可做：用 very_familiar 的 M-estimation 与高维渐近工具即可动手做高维误设 logistic 的 follow-up。

3. 2605.26653 — Nonparametric Regression via Tree-Guided Feature Aggregation

• 作者: Sithija Manage, Y. Samuel Wang, Martin T. Wells
• 分类: stat.ME
• 相关性 6/10 · novelty: new_method
• 摘要: 在协变量具有层次树结构（如微生物组分类树）的非参数回归设定下，目标是同时进行模型选择与特征聚合（选择协变量进入模型的分辨率），以诱导稀疏性并提升统计效率。本文提出惩罚型 Nadaraya-Watson 估计器 KR-TEXAS，利用回归函数偏导数的 pilot 估计器构造自适应惩罚权重，从而在非线性框架下实现特征聚合。在温和条件下，作者证明了针对目标聚合集的模型选择一致性（model selection consistency），模拟与微生物组数据应用展示了良好的选择与预测表现。对您可能有用：该工作将树结构稀疏惩罚引入核回归，其偏导数 pilot 估计与惩罚构造机制可启发您在 semiparametric / nonparametric 理论中对结构化协变量的效率界与 M-estimation 收敛分析。
• 关键技术: penalized Nadaraya-Watson estimator, tree-guided feature aggregation, model selection consistency, pilot derivative estimation, hierarchical sparsity
• 为什么对您有用: 直接连接 nonparametric theory 与结构化协变量设定：KR-TEXAS 的偏导数 pilot 估计与自适应惩罚权重构造，可用您 very_familiar 的 minimax bounds 工具审视其 pilot 估计收敛条件是否可进一步放宽或给出更紧的率。中期可做：若想将此树引导聚合思想嵌入 semiparametric 框架（如部分线性模型）推导效率界，需先在 moderately_familiar 的 semiparametric theory 上长肌肉，特别是带结构化惩罚的 influence function 计算。

4. 2605.27253 — An Entropy-Energy Identity for Predictive Kullback-Leibler Regret in Infinitely Divisible Location Models

• 作者: K\=osaku Takanashi, Kenichiro McAlinn
• 分类: math.ST · math.PR · stat.TH
• 相关性 6/10 · novelty: new_theory
• 摘要: 在 d 维无限可分位置模型的预测密度估计设定下，以 Lebesgue 先验下的 formal Bayes 预测密度为基准，研究竞争 Bayes 预测密度的 Kullback-Leibler regret。核心贡献是一个精确的 entropy-energy identity：先验 π 下 Bayes 预测密度相对于基准的积分 regret，可精确表示为由基准核诱导的对称 Markov 半群下 sqrt(边际分布 M^π) 的 Dirichlet-form energy。此 identity 将 regret 比较转化为势论问题，给出了基准预测密度能否被一致改进的 sharp 常返/瞬态刻画。进一步引入了由诱导过程生成元 A 定义的 A-调和不当先验类，并给出了保证相应 Bayes 预测密度可容许性的显式尾部条件（等价于重尾模型中的幂律先验衰减）。对您可能有用：该文将半参数预测问题与 Markov 半群势论深度结合，为可容许性提供了全新的谱/能量视角。
• 关键技术: Kullback-Leibler regret, Dirichlet-form energy, Markov semigroup potential theory, infinitely divisible location model, A-harmonic improper prior, recurrence/transience characterization
• 为什么对您有用: 本文连接到 semiparametric theory 中的可容许性与效率理论子方向，用 Dirichlet-form 与 Markov 半群势论给出了 KL regret 的精确表示与可容许性刻画。研究者武器库中的 minimax bounds for estimation problems 可直接用来验证该文声称的 sharp 常返/瞬态界是否与经典 minimax 界一致；但 Markov 半群势论与 Dirichlet-form 技术不在当前武器库中。中期可做：需先在 moderately_familiar 的 M-estimation theory 或半参数理论基础上长肌肉，补充 Markov 半群与势论基础（如 Fukushima 的 Dirichlet form 理论），才能深入跟进其可容许性证明路径。

5. 2605.27253 — An Entropy-Energy Identity for Predictive Kullback-Leibler Regret in Infinitely Divisible Location Models

• 作者: K\=osaku Takanashi, Kenichiro McAlinn
• 分类: math.ST · math.PR · stat.TH
• 相关性 6/10 · novelty: new_theory
• 摘要: 在 d 维无限可分位置模型的预测密度估计设定下，以 Lebesgue 先验下的 formal Bayes 预测密度为基准，研究竞争 Bayes 预测密度的 Kullback-Leibler regret。核心贡献是一个精确的 entropy-energy identity：先验 π 下 Bayes 预测密度相对于基准的积分 regret，可精确表示为由基准核诱导的对称 Markov 半群下 sqrt(边际分布 M^π) 的 Dirichlet-form energy。此 identity 将 regret 比较转化为势论问题，给出了基准预测密度能否被一致改进的 sharp 常返/瞬态刻画。进一步引入了由诱导过程生成元 A 定义的 A-调和不当先验类，并给出了保证相应 Bayes 预测密度可容许性的显式尾部条件（等价于重尾模型中的幂律先验衰减）。对您可能有用：该文将半参数预测问题与 Markov 半群势论深度结合，为可容许性提供了全新的谱/能量视角。
• 关键技术: Kullback-Leibler regret, Dirichlet-form energy, Markov semigroup potential theory, infinitely divisible location model, A-harmonic improper prior, recurrence/transience characterization
• 为什么对您有用: 本文连接到 semiparametric theory 中的可容许性与效率理论子方向，用 Dirichlet-form 与 Markov 半群势论给出了 KL regret 的精确表示与可容许性刻画。研究者武器库中的 minimax bounds for estimation problems 可直接用来验证该文声称的 sharp 常返/瞬态界是否与经典 minimax 界一致；但 Markov 半群势论与 Dirichlet-form 技术不在当前武器库中。中期可做：需先在 moderately_familiar 的 M-estimation theory 或半参数理论基础上长肌肉，补充 Markov 半群与势论基础（如 Fukushima 的 Dirichlet form 理论），才能深入跟进其可容许性证明路径。

6. 2605.27172 — Convergence Rates of Ordering, Testing and Estimation Procedures for Graphons With Fast Boundary Decay Rates

• 作者: Jeannette Janssen, Na Lin, Aaron Smith
• 分类: math.ST · math.PR · stat.TH
• 相关性 5/10 · novelty: sharper_rate
• 摘要: 在 latent-position random graph model (LPM) 框架下，设潜在空间 Ω=[0,1]，目标是解决顶点排序、graphon 估计与 LPM 假设检验三个问题，核心假设是 graphon w 在边界附近具有快速衰减（fast boundary decay）性质。作者发现，对于满足此衰减条件的某些 graphon 族，顶点排序的最优估计收敛速率远快于常规的 n^{-1/2}，尽管同一族下潜在位置估计的最优速率仍为 n^{-1/2}。基于此超常规排序速率，作者提出了一种计算高效的 graphon 估计算法，并证明其收敛速率与 Gao et al (2015) 的非显式最优算法相同，达到了 minimax rate。此外，作者还推导并分析了针对 [0,1] 状态空间 LPM 的检验程序。对您可能有用：本文展示了边界衰减条件如何打破常规 n^{-1/2} 限制，为非参数估计与假设检验中的 sharper rate 分析提供了新视角。
• 关键技术: latent-position random graph model, graphon estimation, minimax convergence rate, fast boundary decay, vertex ordering, hypothesis testing for LPM
• 为什么对您有用: 本文直接连接到非参数理论中的 minimax rate 与假设检验两个子方向，核心发现是边界衰减条件可让排序速率突破 n^{-1/2} 界限并借此达到 graphon 估计的 minimax rate。用您 very_familiar 的 minimax bounds for estimation problems 工具，可以直接验证其声称的 sharper rate 是否紧、边界衰减条件是否可进一步弱化。立即可做：用 minimax 理论审视其 rate claim 的紧性，并探索该边界衰减机制能否迁移到其他非参数逆问题。

7. 2605.27172 — Convergence Rates of Ordering, Testing and Estimation Procedures for Graphons With Fast Boundary Decay Rates

• 作者: Jeannette Janssen, Na Lin, Aaron Smith
• 分类: math.ST · math.PR · stat.TH
• 相关性 5/10 · novelty: sharper_rate
• 摘要: 在 latent-position random graph model (LPM) 框架下，设潜在空间 Ω=[0,1]，目标是解决顶点排序、graphon 估计与 LPM 假设检验三个问题，核心假设是 graphon w 在边界附近具有快速衰减（fast boundary decay）性质。作者发现，对于满足此衰减条件的某些 graphon 族，顶点排序的最优估计收敛速率远快于常规的 n^{-1/2}，尽管同一族下潜在位置估计的最优速率仍为 n^{-1/2}。基于此超常规排序速率，作者提出了一种计算高效的 graphon 估计算法，并证明其收敛速率与 Gao et al (2015) 的非显式最优算法相同，达到了 minimax rate。此外，作者还推导并分析了针对 [0,1] 状态空间 LPM 的检验程序。对您可能有用：本文展示了边界衰减条件如何打破常规 n^{-1/2} 限制，为非参数估计与假设检验中的 sharper rate 分析提供了新视角。
• 关键技术: latent-position random graph model, graphon estimation, minimax convergence rate, fast boundary decay, vertex ordering, hypothesis testing for LPM
• 为什么对您有用: 本文直接连接到非参数理论中的 minimax rate 与假设检验两个子方向，核心发现是边界衰减条件可让排序速率突破 n^{-1/2} 界限并借此达到 graphon 估计的 minimax rate。用您 very_familiar 的 minimax bounds for estimation problems 工具，可以直接验证其声称的 sharper rate 是否紧、边界衰减条件是否可进一步弱化。立即可做：用 minimax 理论审视其 rate claim 的紧性，并探索该边界衰减机制能否迁移到其他非参数逆问题。

数理统计 / 假设检验 (hypothesis_testing, 3 篇)

1. 2605.26723 — Marginal likelihoods for finite-support Huber contamination

• 作者: Jaehoan Kim
• 分类: stat.ME · math.ST · stat.CO · stat.TH
• 相关性 7/10 · novelty: new_method
• 摘要: 在已知有限样本空间的 Huber contamination 模型下，目标是结构参数的 marginal likelihood 计算；假设污染分布为支撑原子上的任意概率向量，污染比例参数有 Beta 先验，污染概率向量有 Dirichlet 先验。通过对这两个 nuisance 参数的解析积分，得到了结构参数的 exact marginal likelihood，其形式为观测计数在结构分量与污染分量之间分配方案的有限加权求和。对于固定的支撑大小，该求和及其 score function 可通过动态规划以样本量的二次代价计算，从而支持 gradient-based posterior sampling。该工作的 novelty 主要在于将有限支撑下的 Huber contamination 的 nuisance 积分闭式化并给出 DP 算法，对您可能有用之处在于：它提供了一个计算统计（有限支撑下 robust Bayesian inference 的精确计算路径）的干净案例。
• 关键技术: Huber contamination model, Dirichlet prior integration, Beta prior integration, exact marginal likelihood, dynamic programming for likelihood evaluation, gradient-based posterior sampling
• 为什么对您有用: 本文连接到统计计算（numerical methods & algorithm）子方向，将有限支撑 Huber contamination 的 nuisance 参数积分闭式化并用 DP 实现 O(n^2) 计算，是一个计算-统计交互的干净案例。您武器库中 very_familiar 的 software development / computation of higher-order U-statistics (einsum / tensor contraction) 视角可以直接攻这个口子：该 marginal likelihood 的有限加权求和本质上是一个组合分配求和，与您用 einsum 做高阶 U-stat tensor contraction 的组合求和计算有结构相似性，可以用 einsum 重写其 DP 以验证是否有更优 contraction order。立即可做：用 very_familiar 的 einsum / software development 工具重构其 DP 计算内核，探索计算代价是否可降到 O(n) 或更好。

2. 2605.27012 — Conformalized Large-Scale Selective Inference with Informative and Trustworthy Prediction Sets

• 作者: Wangcheng Li, Guanlan Zhao, Xu Guo, Wenguang Sun
• 分类: math.ST · stat.ME · stat.TH
• 相关性 4/10 · novelty: new_method
• 摘要: 在大规模选择性预测问题中，目标是同时满足预测集的 informativeness 与 trustworthiness，在 InfoFCR 框架下控制 false coverage rate (FCR)。本文提出 SCIP 方法，由三部分构成：基于用户指定约束的 informative set 构造器、量化候选集可信度的 trust score，以及用于 FCR 分析的广义 conformal p-values。理论证明 SCIP 在有限样本下保证 FCR 控制，且渐近 anti-conservative，从而比现有方法获得更高统计功效。该方法适用于回归与分类的多种误差度量，仿真与真实数据均验证了其有效性。对您有用之处在于，其 conformal p-value 与 FCR 控制机制为大规模多重检验/选择性推断提供了新视角，可与您的高维渐近理论及假设检验兴趣直接对话。
• 关键技术: conformal p-values, false coverage rate (FCR) control, selective inference, finite-sample coverage guarantee, anti-conservative asymptotic power, trust score calibration
• 为什么对您有用: 本文直接连接到您 primary interest 中的 hypothesis testing 与 high-dimensional statistics（大规模多重推断设定）。您武器库中的 high-dimensional asymptotics 可用于分析其 conformal p-value 在高维特征空间下的渐近行为，验证 anti-conservative 性质是否在更弱假设下仍成立。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将 conformal prediction 的分布自由性质与半参数/高维渐近理论做深度融合。

3. 2605.27012 — Conformalized Large-Scale Selective Inference with Informative and Trustworthy Prediction Sets

• 作者: Wangcheng Li, Guanlan Zhao, Xu Guo, Wenguang Sun
• 分类: math.ST · stat.ME · stat.TH
• 相关性 4/10 · novelty: new_method
• 摘要: 在大规模选择性预测问题中，目标是同时满足预测集的 informativeness 与 trustworthiness，在 InfoFCR 框架下控制 false coverage rate (FCR)。本文提出 SCIP 方法，由三部分构成：基于用户指定约束的 informative set 构造器、量化候选集可信度的 trust score，以及用于 FCR 分析的广义 conformal p-values。理论证明 SCIP 在有限样本下保证 FCR 控制，且渐近 anti-conservative，从而比现有方法获得更高统计功效。该方法适用于回归与分类的多种误差度量，仿真与真实数据均验证了其有效性。对您有用之处在于，其 conformal p-value 与 FCR 控制机制为大规模多重检验/选择性推断提供了新视角，可与您的高维渐近理论及假设检验兴趣直接对话。
• 关键技术: conformal p-values, false coverage rate (FCR) control, selective inference, finite-sample coverage guarantee, anti-conservative asymptotic power, trust score calibration
• 为什么对您有用: 本文直接连接到您 primary interest 中的 hypothesis testing 与 high-dimensional statistics（大规模多重推断设定）。您武器库中的 high-dimensional asymptotics 可用于分析其 conformal p-value 在高维特征空间下的渐近行为，验证 anti-conservative 性质是否在更弱假设下仍成立。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将 conformal prediction 的分布自由性质与半参数/高维渐近理论做深度融合。

天体统计 (astrostats, 1 篇)

1. 2605.26152 — White dwarf planetary systems in the ultraviolet

• 作者: Jamie Williams, Amy Bonsor, Boris G\"ansicke, Joseph Guidry, JJ Hermes, Lou Baya Ould Rouis, Laura Rogers, Pier-Emmanuel Tremblay, Snehalata Sahu, Andrew Swan, David Wilson, Siyi Xu
• 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
• 相关性 5/10 · novelty: survey
• 摘要: 本文综述了白矮星行星系统在远紫外（FUV）波段的光谱观测现状与未来挑战。核心设定是：主序星演化成白矮星后，残留行星碎片被吸积至星表，使原本纯氢/氦的大气层出现金属丰度异常，这些丰度数据可反演系外小天体的内部成分与挥发物-难熔物交互。关键数据来源是 HST/COS 的中等分辨率 FUV 谱，覆盖了 C、N、P、S 等仅在 FUV 可测的挥发物特征线；模型侧则将光球层丰度输入行星内部结构模型以推断分化与形成历史。主要结论是：HST 是目前唯一具备中等分辨率 FUV 能力的平台，若 2040 年前无替代，将彻底丧失对系外行星体挥发物的观测窗口。对您而言，这是一篇展示天文光谱数据结构（线混合、连续谱噪声、选择效应）与物理推断模型（丰度→内部结构反演）的入门读物，适合作为 astrostats gateway reading。
• 关键技术: FUV spectroscopy, photospheric abundance inversion, accretion disk modeling, volatile-to-refractory ratio, interior structure model
• 为什么对您有用: 本文作为 astrostats gateway reading 非常合适：对外行统计学家友好，清晰交代了天文问题（行星形成与挥发物）、数据结构（FUV 谱线混合与噪声）与推断模型（丰度反演内部结构），不假设天文背景。武器库中的 inverse problems with random noise 可直接对接其丰度→内部结构反演问题，但本文是科学综述而非方法学论文，没有提出新统计方法。判断：值得花时间读全文以了解数据与推断痛点，但不需要深入跟进其天文结论。

流行病学 (epidemiology, 1 篇)

1. 2605.27330 — Two-Phase Sampling Designs and Analysis Approaches for Ordinal Outcomes

• 作者: Yunbi Nam, Nathan I. Shapiro, Eric P. Schmidt, Wesley H. Self, Ran Tao, Jonathan S. Schildcrout
• 分类: stat.ME
• 相关性 4/10 · novelty: new_method
• 摘要: 在两阶段抽样设计下，目标是 ordinal outcome 与昂贵 exposure（如 biomarker）之间关联参数的 identification 与有效估计，假设 phase-1 全样本有低成本协变量与 outcome，phase-2 仅子样本有 exposure。提出三种 outcome-informed phase-2 抽样方案（ODS、covariate-stratified ODS、residual-dependent sampling），利用 phase-1 信息富集 informative 受试者。分析方法包括 ascertainment-corrected conditional likelihood、multiple imputation 与基于 sieve MLE 的 full likelihood 方法，以修正选择偏差并提升效率。模拟显示所提方法在效率上显著优于简单随机抽样加标准 MLE；实证分析使用 sepsis RCT 数据，研究 IL-6 与四分类临床状态（出院/普通住院/ICU/死亡）的关联。对您可能有用：本文将 sieve MLE 引入两阶段 ordinal 数据的 full likelihood 推断，是 semiparametric theory 在流行病学复杂抽样下的直接应用。
• 关键技术: two-phase sampling design, outcome-dependent sampling, ascertainment-corrected maximum likelihood, sieve maximum likelihood estimation, multiple imputation, proportional odds model
• 为什么对您有用: 本文属于流行病学应用与方法论交叉，直接展示了 sieve MLE 在复杂抽样下修正选择偏差并逼近 semiparametric efficiency bound 的潜力，连接到您的 semiparametric theory 与 epidemiology secondary interest。从 technical_arsenal 看，您对 M-estimation theory（moderately_familiar）足以理解其 sieve MLE 的收敛与推断论证，但若要推进其效率理论（如推导该复杂抽样下 ordinal model 的 semiparametric efficiency bound 或构造 one-step/debiased estimator），需先在 semiparametric theory（moderately_familiar）上长肌肉。中期可做。

其他 (other, 3 篇)

1. 2605.26413 — Confounder Detection via Treatment Intent: A New Observational Study Design

• 作者: Drago Plecko, Patrik Okanovic, Torsten Hoefler, Elias Bareinboim
• 分类: stat.ME · cs.AI · cs.LG · stat.ML
• 相关性 7/10
• 摘要: 在观察性研究中，未观测混杂是阻碍因果效应识别的核心难题；本文提出一种新的研究设计——基于治疗意图的混杂检测（confounder detection via treatment intent）。核心机制是通过有原则的匹配策略向临床专家呈现配对单元，询问其治疗决策差异的原因，从而诱导出未观测混杂变量。理论部分给出了该设计能成功诱导出混杂的充分条件（identification条件），建立了从专家知识到混杂发现的可验证路径。实证方面，在ICU电子健康记录（EHR）数据上，首先验证了EHR存在未观测混杂的经验证据，随后将临床文本笔记作为医生知识的代理，结合NLP技术，在已知ground truth的半合成环境中提供了方法的概念验证。对您可能有用：本文的"诱导未观测混杂"思路为proximal CI中的negative control设定提供了一种新的变量选择/发现机制。
• 关键技术: unobserved confounding detection, treatment intent elicitation, principled matching strategy

2. 2605.26347 — A distributed resource-adaptive implementation of the widefield radio-interferometric measurement model for scalable image formation

• 作者: Arwa Dabbech, Yves Wiaux
• 分类: astro-ph.IM
• 相关性 7/10
• 摘要: 本文研究宽场射电干涉测量（RI）中成像算子的分布式计算问题；核心设定是宽场观测下沿视线方向的w分量使测量模型超越标准2D NUFFT，导致点扩散函数（PSF）高度依赖位置，且大带宽数据带来严重计算瓶颈。提出一种混合w-stacking/w-projection的资源自适应分布式实现：自动设定w-bin数量以在内存约束下最小化计算成本，将测量模型分解为各w-bin的低维算子，残余w-offset通过测量特定的Fourier核嵌入稀疏de-gridding矩阵。在内存受限时，引入可选的数据降维，将Φ†Φ中的gridding/de-gridding联合编码为全息矩阵；进一步通过内存控制的Fourier分区将稀疏或全息矩阵分块并行化。模拟MeerKAT数据的计算效率分析及MATLAB实现（BASPLib）已公开，此前已在真实MeerKAT/ASKAP数据上验证。对您有用：作为astrostats gateway reading，本文清晰展示了RI测量模型的数学结构（NUFFT + w修正 + 稀疏矩阵）与计算-内存权衡，是统计计算与大规模逆问题方向的优质入门案例。
• 关键技术: non-uniform FFT (NUFFT)

3. 2605.26568 — Target-Oriented Statistical Compression: Sufficiency, Reverse Martingales, and Sequential Monitoring

• 作者: Yuan-chin Ivan Chang
• 分类: stat.ME · cs.IT · math.IT · math.ST · stat.TH
• 相关性 5/10
• 摘要: 本文提出"目标导向统计压缩"统一框架，将充分性、MLE与序列模型隐状态归结为保留推断/决策目标相关信息的压缩映射。核心对象是条件目标过程 M_n=E(Z|G_n)，其中 G_n=σ(T_n) 为压缩保留的信息；当 (G_n) 为递减 filtration 时，(M_n) 构成 reverse martingale，极限为 M_∞=E(Z|G_∞)。精确充分性对应无损压缩；近似摘要（penalized estimator、PCA、神经网络隐状态）则产生 reverse quasi-martingale 缺陷，量化不同压缩层级间的 coherence 损失。诊断量 r_n=|M_n-M_{n-1}| 作为可观测稳定性代理，而非理论缺陷的无偏估计。文中以序列二值问题的边界退化为核心应用，强调边界声明需联合评估边界接近度、不确定性与轨迹稳定性。对您有用：reverse martingale 与 quasi-martingale 缺陷的刻画为序列监控与假设检验提供了新的非参数稳定性诊断工具。
• 关键技术: reverse martingale, conditional target process

🗂 其他论文（仅 LLM 评分，未生成摘要）

未生成中文摘要的论文，按 LLM 评分由高到低排列，仅保留评分与简评，便于回溯查全。一般为相关性低于展示阈值者；个别历史页也含当时因单日摘要上限未展开的高分篇目（评分仍清楚标着）。

1. 2605.26429 — Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing

• 作者: Rongyi Sun, Wenguang Sun, Zinan Zhao
• 分类: stat.ME · cs.AI · cs.LG · stat.ML
• 相关性 3/10
• 评分理由: Tangential; conformal inference for OOD testing focuses on ML/exchangeability adjustments, minimal overlap with core mathematical/causal statistics interests.

2. 2605.26608 — Statistical Inference and Stability Boundaries of Multi-cellular Interaction Hypergraphs from Asynchronous Event Streams

• 作者: Zihan Xu
• 分类: stat.ME
• 相关性 3/10
• 评分理由: Introduces Hawkes process for hypergraph interaction inference with tensor decomposition; tensor methods are a weak bonus per gateway rubric (d), but the core application is far from primary interests.

3. 2605.27184 — Posterior Quantification of Borrowing from Multiple Historical Control Data in Bayesian Dynamic Borrowing Methods: A Scoping Review

• 作者: Tomohiro Ohigashi, Wataru Murasaki, Masahiko Gosho
• 分类: stat.ME · stat.AP
• 相关性 3/10
• 评分理由: Bayesian dynamic borrowing in clinical trials is tangential to the researcher's primary interests in semiparametric efficiency and causal identification.

4. 2605.26907 — Future Detections of the Warm-Hot Intergalactic Medium using Bright Power Law Sources with NewAthena

• 作者: Joseph Fisher, Antonio Martin-Carrillo, Thomas Dauser, J\"orn Wilms, Joop Schaye, Didier Barret
• 分类: astro-ph.IM · astro-ph.CO
• 相关性 3/10
• 评分理由: Pure astrophysical detection simulation lacking clear exposition of a statistical data-analysis or modeling problem for an outsider.

5. 2605.26312 — Cross-modal dependence analysis with asynchronous longitudinal multimodal data

• 作者: Kun Qian, Hyung G. Park
• 分类: stat.ME
• 相关性 2/10
• 评分理由: Weak secondary match; Bayesian latent variable model for longitudinal multimodal data, lacks semiparametric/causal theory overlap.

6. 2605.26507 — Improving inverse probability of censoring weighting for win statistics with composite survival outcomes

• 作者: Xi Fang, Fan Li
• 分类: stat.ME
• 相关性 2/10
• 评分理由: Tangential; inverse probability weighting for win statistics in survival analysis, lacks connection to semiparametric efficiency or high-dim theory.

7. 2605.26572 — Using Transcripts for Nonparametric Monitoring of Serial Dependence

• 作者: Christian H. Wei{\ss}, Jos\'e M. Amig\'o
• 分类: stat.ME
• 相关性 2/10
• 评分理由: Nonparametric control charts for serial dependence monitoring; applied process monitoring, tangential to the researcher's theoretical focus.

8. 2605.26800 — Accelerated Schr\"odinger-F\"ollmer samplers

• 作者: Haotian Lin, Xiaojie Wang, Xiaoyan Zhang
• 分类: math.ST · stat.TH
• 相关性 2/10
• 评分理由: Sampling algorithms and stochastic Runge-Kutta schemes are unrelated to the researcher's theoretical arsenal and primary interests.

9. 2605.26881 — Robust ensemble Kalman filtering under observation noise misspecification via diffusion score matching

• 作者: Hans Reimann, Sebastian Reich
• 分类: math.ST · math.DS · stat.ME · stat.TH
• 相关性 2/10
• 评分理由: Ensemble Kalman filtering and diffusion score matching are unrelated to the researcher's primary interests and arsenal.

10. 2605.26138 — Mars, a Post-Habitable Planet?

• 作者: Matteo Crismani, Richard Cartwright, Michael Chaffin, Sara Faggi, Stephanie Milam, Geronimo Villanueva
• 分类: astro-ph.IM · astro-ph.EP
• 相关性 2/10
• 评分理由: Pure astrophysics review of Mars habitability; lacks clear data/model exposition accessible to a statistician, failing the gateway rubric.

11. 2605.26140 — The role of the Hubble Space Telescope in advancing our understanding of atmospheric escape in exoplanets

• 作者: Leonardo A. Dos Santos, Arika Egan, Kevin France, Eric Gaidos, Antonio Garc\'ia Mu\~noz, R. O. Parke Loyd, Keighley Rockcliffe, Mercedes L\'opez-Morales, P. Christian Schneider, Arif Solmaz, Michael Zhang, Vladimir S. Airapetian, Munazza K. Alam, Laura N. R. do Amaral, Tommi Koskinen, Seth Redfield, Jake D. Turner
• 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
• 相关性 2/10
• 评分理由: Astrophysics review of atmospheric escape; no statistical methodology or clear data structure exposition for an outsider.

12. 2605.26142 — From Hubble to HWO: Bridging the Frontier of White Dwarf Exoplanet Science

• 作者: Laura K. Rogers, Siyi Xu, Martin Barstow, Simon Blouin, Amy Bonsor, Andrew M. Buchan, Sarah L. Casewell, Tim Cunningham, John Debes, Patrick Dufour, Boris Gansicke, Joseph Guidry, Ted von Hippel, Mukremin Kilic, Erika Le Bourdais, Carl Melis, Lou Baya Ould Rouis, Judith Provencal, Melinda Soares-Furtado, Andrew Swan, Isabella Trierweiler, Zachary Vanderbosch, Jamie Williams
• 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
• 相关性 2/10
• 评分理由: Astrophysics white paper on white dwarf exoplanets; lacks accessible statistical problem framing for a gateway reader.

13. 2605.26150 — Exploring Space Weather From Young Solar-like Stars as Windows to Exoplanetary Habitability

• 作者: V. S. Airapetian, K. Namekata, K. France, T. Sextro, M. Jin, J. Hu, T. Shi, K. V. Getman, E. D. Feigelson, J. Schlieder, M. McElwain, K. G. Carpenter, D. Sur
• 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
• 相关性 2/10
• 评分理由: Astrophysics white paper on space weather; no clear data-analysis or modeling question articulated for a statistician.

14. 2605.27056 — The Simons Observatory: Rotation Performance of Cryogenic Half-Wave Plate Polarization Modulators

• 作者: Kyohei Yamada, Bryce Bixler, Junna Sugiyama, Daichi Sasaki, Yuki Sakurai, Kam Arnold, Samuel Day-Weiss, Nicholas Galitzki, Bradley R. Johnson, Akito Kusaka, Lyman A. Page, Yoshinori Sueno
• 分类: astro-ph.IM
• 相关性 2/10
• 评分理由: Instrument hardware performance paper with no statistical methodology or data-analysis problem exposed.

15. 2605.26253 — Length-biased Birnbaum-Saunders quantile regression with application to water evaporation

• 作者: Helton Saulo, Tailine Nonato, Roberto Vila
• 分类: stat.ME · stat.AP
• 相关性 1/10
• 评分理由: Tangential; length-biased distribution and quantile regression for specific environmental application, no overlap with primary interests.

16. 2605.26335 — Unobserved Heterogeneity in Threshold Regression Based on the Hitting Times of a Reflected Brownian Motion for Recurrent Hypoglycemia

• 作者: Yingfa Xie, Haoda Fu, Yuan Huang, Jun Yan
• 分类: stat.ME
• 相关性 1/10
• 评分理由: Unrelated; finite mixture model for hitting times of Brownian motion in a specific clinical context, no primary interest overlap.

17. 2605.27120 — Copula and spatial-regularized variational autoencoder for mapping disease comorbidity in West Africa

• 作者: Osafu Augustine Egbon, Bassey David Ita, Faith Eshofonie, Ezra Gayawan
• 分类: stat.ME
• 相关性 1/10
• 评分理由: Spatially regularized VAE for disease comorbidity mapping; purely applied epidemiological ML with no overlap on causal inference theory or mathematical statistics.

18. 2605.26888 — INARMA Models for Count Random Fields -- a Survey

• 作者: Angelika Silbernagel, Christian H. Wei{\ss}
• 分类: math.ST · stat.TH
• 相关性 1/10
• 评分理由: Survey on INARMA spatial count models is tangential to the researcher's causal and math-stat interests.

19. 2605.27248 — Space-filling foldover designs for order-of-addition experiments under Kendall tau distance criteria

• 作者: Hui Shao, Yaping Wang, Qian Xiao
• 分类: stat.ME
• 相关性 0/10
• 评分理由: Experimental design for order-of-addition is unrelated to the researcher's core interests.

---

Maintained by 陈星宇 · Homepage · Source on GitHub

评论