跳转至

2026-06-05 每日 arXiv 资讯

  • 高相关论文 7 篇 · 中相关 18 篇 · 其他 20 篇 · 会议/Seminar 事件 0 条

⭐ 高相关论文（按主题分组）

因果推断 (causal_inference, 1 篇)

1. 2606.06441 — Leveraging External Controls for Treatment Switching in Randomized Controlled Trials: A Weighted Causal Inference Framework for Overall Survival

  • 作者: Andy A. Shen, Chenqi Fu, Ray Lin
  • 分类: stat.ME · stat.AP
  • 相关性 8/10 · novelty: new_method
  • 摘要: 在肿瘤 RCT 中，当对照组患者因疾病进展等原因切换至实验组治疗时，随机化保证被破坏，导致总生存期（OS）的因果效应估计偏倚。本文提出利用外部对照（external controls）来校正治疗切换的加权因果推断框架，核心 estimand 是无切换情景下的意向性或实验效应。方法上，结合合成对照（synthetic control）与观测性因果推断的平衡权重（balancing weights），通过多重插补（multiple imputation）与时变权重（time-varying weights）来重构对照组的潜在生存轨迹，并讨论了外部对照风险集（risk set）的选择策略。模拟显示，相较于不使用外部对照或朴素使用外部对照的标准调整方法（如 ITT 或简单 censoring），该框架在偏差与 MSE 上有显著改善，并在两项 III 期肿瘤试验中验证了实用性。对您可能有用：本文将合成对照与平衡权重引入治疗切换的因果校正，属于纵向因果推断与外部数据融合（data fusion）的交叉，可作为 sensitivity analysis 或 identification 假设弱化的参考案例。
  • 关键技术: treatment switching adjustment, synthetic control method, balancing weights, multiple imputation, time-varying weights, external controls
  • 为什么对您有用: 本文直接连接到因果推断的 longitudinal / treatment switching 设定，以及外部数据融合（data fusion）这一新兴子方向。从 technical_arsenal 看，identification theory 与 estimation theory in causal inference 可直接用来审视本文的 identification 假设（如 no-unmeasured-confounding between external controls and trial population）是否可进一步弱化，或用 semiparametric efficiency bound 评估其 estimator 的效率损失。Follow-up 判断：中期可做——需先在 moderately_familiar 的 identification theory 上长肌肉，以系统化梳理外部对照引入后的 identification 条件与 sensitivity analysis 框架；当前武器库足以理解其 weighting 机制，但尚缺对 synthetic control + data fusion 的 semiparametric 效率理论分析。

高维统计 / 随机矩阵 (high_dim_rmt, 3 篇)

1. 2606.06483 — Statistically and Computationally Optimal Estimation and Inference of Common Subspaces

  • 作者: Joshua Agterberg
  • 分类: math.ST · math.OC · math.SP · stat.ME · stat.TH
  • 相关性 9/10 · novelty: new_theory
  • 摘要: 在多对称低秩矩阵受噪声扰动的公共子空间模型下，本文研究公共子空间估计与推断的统计与计算极限，关键假设为各矩阵共享同一子空间且噪声有界。作者依 SNR 强弱划分四个区间（weak / moderate / strong estimation / strong inference），提出基于谱平方和初始化的投影梯度下降估计器，在 strong estimation SNR 下达到最优 sinΘ 收敛率，并给出统计与计算下界刻画 weak 与 moderate 区间。在 strong inference SNR 下，证明该估计器的 sinΘ 距离具有渐近正态分布，据此构造的置信区间达到自适应 minimax 最优；而在该阈值以下，自适应推断信息论不可行。核心发现是：即使 SNR 已越过估计的计算阈值，自适应推断仍可能信息论不可行，揭示了估计与推断之间的计算-统计间隙。
  • 关键技术: projected gradient descent, spectral sum-of-squares initialization, sinΘ distance minimax rate, computational lower bounds, adaptive confidence intervals, asymptotic normality for subspace distance
  • 为什么对您有用: 直接连接高维统计与 RMT 的公共子空间估计，且系统刻画了估计与推断之间的信息-计算间隙，属于 stat-computational tradeoff 的 gateway reading。用您 very_familiar 的高维渐近与 minimax bound 可直接验证其 strong estimation/inference 区间的率是否紧；其谱平方和初始化与投影梯度下降的计算复杂度可用 moderately_familiar 的 M-estimation 理论进一步分析收敛条件。立即可做：用 minimax 理论复现其下界论证；中期可做：若想深入其计算下界（可能涉及 low-degree polynomial 或 SQ），需在 moderately_familiar 的计算下界工具上长肌肉。

2. 2606.06483 — Statistically and Computationally Optimal Estimation and Inference of Common Subspaces

  • 作者: Joshua Agterberg
  • 分类: math.ST · math.OC · math.SP · stat.ME · stat.TH
  • 相关性 9/10 · novelty: new_theory
  • 摘要: 在多对称低秩矩阵受噪声扰动的公共子空间模型下，本文研究公共子空间估计与推断的统计与计算极限，关键假设为各矩阵共享同一子空间且噪声有界。作者依 SNR 强弱划分四个区间（weak / moderate / strong estimation / strong inference），提出基于谱平方和初始化的投影梯度下降估计器，在 strong estimation SNR 下达到最优 sinΘ 收敛率，并给出统计与计算下界刻画 weak 与 moderate 区间。在 strong inference SNR 下，证明该估计器的 sinΘ 距离具有渐近正态分布，据此构造的置信区间达到自适应 minimax 最优；而在该阈值以下，自适应推断信息论不可行。核心发现是：即使 SNR 已越过估计的计算阈值，自适应推断仍可能信息论不可行，揭示了估计与推断之间的计算-统计间隙。
  • 关键技术: projected gradient descent, spectral sum-of-squares initialization, sinΘ distance minimax rate, computational lower bounds, adaptive confidence intervals, asymptotic normality for subspace distance
  • 为什么对您有用: 直接连接高维统计与 RMT 的公共子空间估计，且系统刻画了估计与推断之间的信息-计算间隙，属于 stat-computational tradeoff 的 gateway reading。用您 very_familiar 的高维渐近与 minimax bound 可直接验证其 strong estimation/inference 区间的率是否紧；其谱平方和初始化与投影梯度下降的计算复杂度可用 moderately_familiar 的 M-estimation 理论进一步分析收敛条件。立即可做：用 minimax 理论复现其下界论证；中期可做：若想深入其计算下界（可能涉及 low-degree polynomial 或 SQ），需在 moderately_familiar 的计算下界工具上长肌肉。

3. 2606.06426 — A Robust Framework for Model Order Selection in Correlated Large-Dimensional CES Noise

  • 作者: Eug\'enie Terreaux, Emmanuelle Jay, Fr\'ed\'eric Pascal, Jean-Philippe Ovarlez
  • 分类: stat.ME
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文研究在非高斯 CES 噪声下的大维模型阶数选择问题，设定为信号嵌入在未知 Toeplitz 结构 scatter 矩阵的 CES 噪声中，观测维度 m 与样本量 N 同比例增长。提出两阶段框架：先用基于 Tyler / Maronna M-estimator 的 Toeplitz-rectified 估计做噪声白化，再用大维 RMT 推断信号子空间秩。理论证明了所提估计量的几乎必然一致性，并给出分离信号与噪声成分的显式 RMT 特征值上界。三个估计分支分别基于 SCM、Maronna M-estimator 和分布自由的 Tyler M-estimator 进行白化。实证在合成数据、高光谱图像、EEG 与金融数据上验证，显著优于 AIC 及未白化方法。对您可能有用：该框架将 robust M-estimation 与大维 RMT 特征值界结合，直接触及您 primary interest 中 RMT 在高维 inference 的应用。
  • 关键技术: Complex Elliptically Symmetric (CES) distribution, Tyler M-estimator, Maronna M-estimator, Toeplitz-rectified scatter estimation, large-dimensional Random Matrix Theory, model order selection
  • 为什么对您有用: 本文直接连接您 primary interest 中的高维统计与随机矩阵理论（RMT）子方向，将 robust M-estimation 与大维 RMT 特征值界结合用于模型阶数推断。您武器库中的 very_familiar 'high-dimensional asymptotics' 与 'inverse problems with random noise' 完全可以攻这篇 paper 的 RMT 界推导与白化步骤分析口子。Follow-up 粗判：立即可做——用您熟悉的 minimax / high-dim asymptotics 视角可验证其声称的 consistency 与 eigenvalue upper bound 是否紧，并可探索该 robust RMT 界在您因果推断高维设定中的迁移潜力。

效率理论 / Debiased ML (efficiency_dml, 2 篇)

1. 2606.06368 — Optimally taming biases in black-box models for efficient semiparametric estimation

  • 作者: Yihong Gu, Qishuo Yin, Tianxi Cai, Jianqing Fan
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 10/10 · novelty: sharper_rate
  • 摘要: 在部分线性模型 Y=μ₀(X)+Tβ₀+ε 的 structure-agnostic 设定下，本文研究当辅助函数 E[T|X] 无法一致估计时，black-box 机器学习 nuisance 估计误差如何传播至低维目标参数 β₀ 的推断。作者指出标准 DML 的乘积误差依赖率在此情形下并非最优，提出新估计量达到更优率 n^{-1/2}+δ_μ^a+(δ_μ^s)^²，并给出匹配的 minimax 下界证明其最优性。核心发现是：nuisance 估计的一阶随机误差 δ_μ^s 可被完全消除而不需额外假设，这催生了新的 under-smoothing 调参策略 δ_μ^a≈(δ_μ^s)^²，而非经典 bias-variance trade-off δ_μ^a≈δ_μ^s。在温和条件下，估计量达到 n^{-1/2}-CAN 且具有最小渐近方差。方法可推广至包括 ATE 估计在内的一大类半参数线性泛函估计问题。对您有用：本文直接挑战了 DML/orthogonal score 的乘积误差范式，为半参数效率理论与 debiased ML 提供了更紧的 minimax 界与新的 bias-variance 重平衡原则。
  • 关键技术: structure-agnostic semiparametric estimation, double machine learning, minimax lower bound, under-smoothing tuning strategy, nuisance error propagation, semiparametric linear functional
  • 为什么对您有用: 直接连接到 primary interest 的 efficiency theory (debiased ML) 与 semiparametric theory 子方向，给出了比标准 orthogonal score 更紧的 minimax rate 与下界匹配。用 technical_arsenal 中 very_familiar 的 minimax bounds for estimation problems 可以直接验证/审视其声称的下界紧性，moderately_familiar 的 semiparametric theory 可用来理解其消除一阶随机误差的 influence function 机制。立即可做：用 minimax 理论工具审视其下界证明与 under-smoothing 原则的普适性。

2. 2606.06368 — Optimally taming biases in black-box models for efficient semiparametric estimation

  • 作者: Yihong Gu, Qishuo Yin, Tianxi Cai, Jianqing Fan
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 10/10 · novelty: sharper_rate
  • 摘要: 在部分线性模型 Y=μ₀(X)+Tβ₀+ε 的 structure-agnostic 设定下，本文研究当辅助函数 E[T|X] 无法一致估计时，black-box 机器学习 nuisance 估计误差如何传播至低维目标参数 β₀ 的推断。作者指出标准 DML 的乘积误差依赖率在此情形下并非最优，提出新估计量达到更优率 n^{-1/2}+δ_μ^a+(δ_μ^s)^²，并给出匹配的 minimax 下界证明其最优性。核心发现是：nuisance 估计的一阶随机误差 δ_μ^s 可被完全消除而不需额外假设，这催生了新的 under-smoothing 调参策略 δ_μ^a≈(δ_μ^s)^²，而非经典 bias-variance trade-off δ_μ^a≈δ_μ^s。在温和条件下，估计量达到 n^{-1/2}-CAN 且具有最小渐近方差。方法可推广至包括 ATE 估计在内的一大类半参数线性泛函估计问题。对您有用：本文直接挑战了 DML/orthogonal score 的乘积误差范式，为半参数效率理论与 debiased ML 提供了更紧的 minimax 界与新的 bias-variance 重平衡原则。
  • 关键技术: structure-agnostic semiparametric estimation, double machine learning, minimax lower bound, under-smoothing tuning strategy, nuisance error propagation, semiparametric linear functional
  • 为什么对您有用: 直接连接到 primary interest 的 efficiency theory (debiased ML) 与 semiparametric theory 子方向，给出了比标准 orthogonal score 更紧的 minimax rate 与下界匹配。用 technical_arsenal 中 very_familiar 的 minimax bounds for estimation problems 可以直接验证/审视其声称的下界紧性，moderately_familiar 的 semiparametric theory 可用来理解其消除一阶随机误差的 influence function 机制。立即可做：用 minimax 理论工具审视其下界证明与 under-smoothing 原则的普适性。

天体统计 (astrostats, 1 篇)

1. 2606.05285 — Toward decision-aware AI for LSST-scale time-domain astronomy

  • 作者: C. R. Bom, A. Mahabal, F. Bianco, P. Darc, B. Fraga, R. Bonito, S. Chaini, M. W. Coughlin, S. Dillmann, F. Fontinele Nunes, A. Gomboc, N. Hernitschek, X. Li, F. Z. Majidi, A. I. Malz, A. Melandri, V. Petrecca, S. Piranomonte, M. Rabus, F. Ragosta, O. Razim, M. C. Rom\~ao, N. Sarin, A. Sasli, V. A. Sre\'ckovi\'c, A. Tramuto, V. Vuj\v{c}i\'c, M. J. Vyas, Rubin LSST Transients, Variable Stars Science Collaboration
  • 分类: astro-ph.IM · astro-ph.HE · hep-ph
  • 相关性 8/10 · novelty: survey
  • 摘要: 本文针对 Vera C. Rubin Observatory 的 LSST 项目每晚产生约千万级警报的规模，提出将时域天文学从静态分类管道转向部分观测的动态决策环境。核心设定是：在有限观测资源与不确定性下，如何维护随时间演化的、带有不确定性量化的天体源状态表示，并选择最大化长期科学价值的后续观测行动。作者主张利用在异质时域数据上预训练的基础模型来学习巡天尺度的源状态表示，同时结合决策论策略进行可审计的后续资源分配，并将其嵌入人类监督的智能体系统中，使 AI 成为操作推断闭环的一部分而非下游预测工具。文章属于立场/综述性质，未给出具体算法实现或理论收敛结果，但清晰阐述了数据规模（10^7 alerts/night）、模型假设（部分观测马尔可夫决策过程视角）与计算挑战。对您而言，这是一篇极佳的天文学数据分析入门读物，展示了统计推断与资源分配在真实大规模科学场景中的交汇。
  • 关键技术: partially observed dynamical environment, decision-theoretic policy, uncertainty-aware representation, foundation model for time-domain data, agentic system with human supervision, active learning under resource constraints
  • 为什么对您有用: 本文作为 astrostats 的 gateway reading 非常合适：对外行统计学家友好，清晰解释了天文学家的核心关切（有限资源下的后续观测决策）与数据挑战（10^7 alerts/night 的规模与异质性），且将问题框架为部分观测下的决策论与不确定性量化，这正是统计学家能贡献方法论的方向。武器库完全足够支撑进入此方向（very_familiar 的 minimax bounds 与 estimation theory 可直接对接决策论中的效用优化与不确定性量化）。值得花时间读全文以理解 LSST 的数据结构与决策闭环设计，但方法学 novelty 为 survey/position 级别，无新理论或新方法。

📌 中相关论文（按主题分组）

因果推断 (causal_inference, 1 篇)

1. 2606.05666 — Weighting a Census as a Non-Probability Sample: A Doubly Robust Framework for Correcting Differential Undercoverage in Uruguay's 2023 Census

  • 作者: Ferreira Juan Pablo, Goyeneche Juan Jose
  • 分类: stat.ME
  • 相关性 7/10 · novelty: application
  • 摘要: 在人口普查存在非随机遗漏的设定下，本文将实际登记住户视为非概率样本（选择机制未知），目标是修正因遗漏导致的社会指标估计偏差。核心方法是构建 doubly robust (DR) 估计量：结合以网络链接率作为接触代理变量的分段级响应倾向模型，与对联合普查人口总数（性别、年龄、部门）的校准。DR 估计量在倾向模型或校准模型任一正确设定下保持一致性，从而对遗漏模型的误设提供鲁棒性。实证层面，该方法在三百万记录规模上实施，展示了修正后对社会指标的显著影响，并基于等效分层聚类设计给出了方差近似。对您有用之处：该文将非概率样本的 DR 校准框架应用于大规模普查数据，是因果推断中 selection bias / missing data 修正方法在流行病学与官方统计场景的具体实践。
  • 关键技术: doubly robust estimation, non-probability sample weighting, propensity score calibration, response propensity model, variance approximation for complex design
  • 为什么对您有用: 本文直接连接因果推断中的 selection bias / missing data 修正子方向，将非概率样本的 DR weighting 框架应用于真实大规模普查数据。您武器库中 very_familiar 的 'estimation theory in causal inference' 可直接攻破该文的倾向模型与 DR 估计量理论部分；moderately_familiar 的 'semiparametric theory' 可用于审视其 DR 估计量在半参数效率界意义下的最优性。立即可做：用 very_familiar 的因果推断估计理论验证其 DR 框架的半参数效率与稳健性边界。

非参数 / 半参数 (nonparam_semipara, 9 篇)

1. 2606.06384 — Estimation of the sub-Gaussian parameter

  • 作者: Jason Liu, Min Xu, Jinchuan Xing
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究零均值随机变量 sub-Gaussian 参数（variance proxy ξ²_）的估计问题，目标 estimand 为 ξ²_ = sup_{λ∈ℝ} 2/λ² log E[e^{λX}]，核心假设涉及加权累积生成函数 L(λ) 的极值性质。作者提出基于 L(λ) 经验版本受约束极大化的自然估计量，并建立其收敛速率：若 L 有极大化子则速率为 O_p(n^{-1/2+ε})，若 argmax 有界则改善至 O_p(n^{-1/2})。通过构造 minimax 下界，作者证明无额外假设时 minimax risk 为 Ω(1)；对 L 尾增长施加不同强度假设可得到从 Ω(1/log n) 到 Ω(1) 连续过渡的 minimax 下界谱，而在 L 于有界区域取极值的子类中 root-n 速率可达且估计量 minimax 最优。当分布非 sub-Gaussian 时，估计量发散速率受控于分布尾部；实证上应用于 GO enrichment 大规模置换检验的 p 值构造。对您可能有用：本文的 minimax 下界构造与极值类假设分层框架，可直接迁移到您对非参数估计 minimax rate 的研究。
  • 关键技术: variance proxy estimation, constrained empirical maximization, minimax lower bound, weighted cumulant generating function, peaks-over-threshold alternative, permutation test p-value
  • 为什么对您有用: 本文直接连接非参数理论中的 minimax rate 分层框架，与您 very_familiar 的 minimax bounds for estimation problems 完全对口。您可以用 minimax bound 工具验证作者声称的 Ω(1/log n) 到 Ω(1) 下界谱是否紧，或探索该极值类假设在您熟悉的 inverse problems / high-dimensional asymptotics 中是否有对应物。立即可做：用 very_familiar 的 minimax 方法审视其下界构造细节并判断是否可进一步 sharpen。

2. 2606.06384 — Estimation of the sub-Gaussian parameter

  • 作者: Jason Liu, Min Xu, Jinchuan Xing
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究零均值随机变量 sub-Gaussian 参数（variance proxy ξ²_）的估计问题，目标 estimand 为 ξ²_ = sup_{λ∈ℝ} 2/λ² log E[e^{λX}]，核心假设涉及加权累积生成函数 L(λ) 的极值性质。作者提出基于 L(λ) 经验版本受约束极大化的自然估计量，并建立其收敛速率：若 L 有极大化子则速率为 O_p(n^{-1/2+ε})，若 argmax 有界则改善至 O_p(n^{-1/2})。通过构造 minimax 下界，作者证明无额外假设时 minimax risk 为 Ω(1)；对 L 尾增长施加不同强度假设可得到从 Ω(1/log n) 到 Ω(1) 连续过渡的 minimax 下界谱，而在 L 于有界区域取极值的子类中 root-n 速率可达且估计量 minimax 最优。当分布非 sub-Gaussian 时，估计量发散速率受控于分布尾部；实证上应用于 GO enrichment 大规模置换检验的 p 值构造。对您可能有用：本文的 minimax 下界构造与极值类假设分层框架，可直接迁移到您对非参数估计 minimax rate 的研究。
  • 关键技术: variance proxy estimation, constrained empirical maximization, minimax lower bound, weighted cumulant generating function, peaks-over-threshold alternative, permutation test p-value
  • 为什么对您有用: 本文直接连接非参数理论中的 minimax rate 分层框架，与您 very_familiar 的 minimax bounds for estimation problems 完全对口。您可以用 minimax bound 工具验证作者声称的 Ω(1/log n) 到 Ω(1) 下界谱是否紧，或探索该极值类假设在您熟悉的 inverse problems / high-dimensional asymptotics 中是否有对应物。立即可做：用 very_familiar 的 minimax 方法审视其下界构造细节并判断是否可进一步 sharpen。

3. 2606.05681 — Local increment inference for time-inhomogeneous drift in Gaussian processes

  • 作者: Yasutaka Shimizu
  • 分类: math.ST · stat.TH
  • 相关性 5/10 · novelty: new_theory
  • 摘要: 在高频观测设定下研究高斯过程确定性时变漂移的统计推断，目标参数为漂移函数的参数，核心假设是高斯噪声为中心平稳过程且具有弱依赖性与特定局部粗糙度。方法基于一阶增量构造最小二乘型对比估计量（contrast estimator），无需指定噪声的具体谱结构。理论证明估计量具有一致性与渐近正态性，其收敛速率由高斯噪声的局部粗糙度与漂移的长时间信息累积结构联合决定。不同漂移密度（可积、多项式型、周期性）产生定性不同的统计体制，包括非标准收敛速率及对持续/增长漂移结构的加速速率。对您可能有用：该框架中局部粗糙度与信息累积交互决定速率的机制，与高维/半参数效率理论中 minimax rate 依赖于参数空间光滑度与噪声结构的经典结果形成对照，可作为非标准速率推断的参考案例。
  • 关键技术: least squares contrast estimator, first-order increments, local roughness of Gaussian noise, long-time information accumulation, non-standard convergence rates, high-frequency asymptotics
  • 为什么对您有用: 本文连接到半参数/非参数理论子方向，核心贡献在于揭示局部粗糙度与信息累积结构交互决定收敛速率的机制，产生非标准速率与加速速率。研究者可用 very_familiar 的 minimax bounds for estimation problems 视角审视其速率是否达到 minimax 下界，或用 moderately_familiar 的 M-estimation theory 检查其 contrast estimator 的渐近理论是否可推广至更一般依赖结构。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将此增量对比方法拓展至更复杂的半参数漂移模型或随机漂移设定。

4. 2606.05681 — Local increment inference for time-inhomogeneous drift in Gaussian processes

  • 作者: Yasutaka Shimizu
  • 分类: math.ST · stat.TH
  • 相关性 5/10 · novelty: new_theory
  • 摘要: 在高频观测设定下研究高斯过程确定性时变漂移的统计推断，目标参数为漂移函数的参数，核心假设是高斯噪声为中心平稳过程且具有弱依赖性与特定局部粗糙度。方法基于一阶增量构造最小二乘型对比估计量（contrast estimator），无需指定噪声的具体谱结构。理论证明估计量具有一致性与渐近正态性，其收敛速率由高斯噪声的局部粗糙度与漂移的长时间信息累积结构联合决定。不同漂移密度（可积、多项式型、周期性）产生定性不同的统计体制，包括非标准收敛速率及对持续/增长漂移结构的加速速率。对您可能有用：该框架中局部粗糙度与信息累积交互决定速率的机制，与高维/半参数效率理论中 minimax rate 依赖于参数空间光滑度与噪声结构的经典结果形成对照，可作为非标准速率推断的参考案例。
  • 关键技术: least squares contrast estimator, first-order increments, local roughness of Gaussian noise, long-time information accumulation, non-standard convergence rates, high-frequency asymptotics
  • 为什么对您有用: 本文连接到半参数/非参数理论子方向，核心贡献在于揭示局部粗糙度与信息累积结构交互决定收敛速率的机制，产生非标准速率与加速速率。研究者可用 very_familiar 的 minimax bounds for estimation problems 视角审视其速率是否达到 minimax 下界，或用 moderately_familiar 的 M-estimation theory 检查其 contrast estimator 的渐近理论是否可推广至更一般依赖结构。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将此增量对比方法拓展至更复杂的半参数漂移模型或随机漂移设定。

5. 2606.05374 — Analyzing spatial point processes degraded by displacement and imperfect detection

  • 作者: Kevin M. Collins, Erin M. Schliep, Alan E. Gelfand, Tina M. Yack, Christopher W. Clark, Robert S. Schick
  • 分类: stat.ME
  • 相关性 4/10 · novelty: new_theory
  • 摘要: 本文研究空间 Poisson 点过程在 thinning（不完全检测）与 displacement（位置偏移）两种退化下的联合推断问题，目标是同时估计位移尺度、参数化 thinning 函数与非参数强度函数。作者在弱条件下证明了模型可识别性，即上述三组件可联合学习。推断方面采用非参数强度估计结合参数化退化模型，通过模拟实验展示联合建模相比忽略退化的误设模型在推断精度上的提升，并应用于北大西洋右鲸叫声数据。对您可能有用：该可识别性结果与半参数模型中“参数+非参数”组件联合推断的效率理论有结构相似性。
  • 关键技术: spatial Poisson process, model identifiability, thinning and displacement, nonparametric intensity estimation, parametric thinning function
  • 为什么对您有用: 本文连接到半参数理论中参数与非参数组件联合可识别性与推断的子方向；您可用 minimax bounds 与 semiparametric efficiency bound 的武器库审视该非参数强度估计在退化设定下的收敛率与效率是否可达最优。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以建立该点过程退化模型下 one-step / debiased 估计的 influence function。

6. 2606.06018 — On statistical inference for non-linear dynamical systems evolving in their global attractor

  • 作者: Dimitri Konen, Richard Nickl
  • 分类: math.ST · math.AP · math.DS · stat.TH
  • 相关性 4/10 · novelty: new_theory
  • 摘要: 本文研究二维周期反应扩散系统中，初始条件 θ 到全局吸引子 𝒜 上演化轨迹 u_θ(t) 的统计推断问题，关键正则性假设为反应函数满足自然条件且初始条件位于吸引子上。作者首先证明在全局吸引子 𝒜 上成立反向 Poincaré 不等式，由此推出映射 θ ↦ u_θ(t) 在 𝒜 上满足 L²-Lipschitz 稳定性估计。基于此稳定性，他们证明从系统的离散观测中可以恢复初始条件 θ 并预测状态 u_θ，且收敛速率达到接近参数率的 'fast' 速率。该结果将无穷维动力系统的逆问题转化为具有 Lipschitz 稳定性的半参数估计，对您研究带随机噪声的逆问题及非参数 minimax 理论有直接借鉴意义。
  • 关键技术: reverse Poincaré inequality, global attractor stability, L²-Lipschitz estimate, near-parametric convergence rate, non-linear dynamical system inverse problem
  • 为什么对您有用: 本文直接连接到您 very_familiar 中的'带随机噪声的逆问题'与'非参数 minimax 界'：全局吸引子上的反向 Poincaré 不等式实质上给出了无穷维参数空间上的 Lipschitz 稳定模，从而将 minimax 收敛率从标准非参数慢率提升至近参数率。您可以用 minimax 界工具验证其声称的 'fast rate' 是否紧，并探讨该 Lipschitz 稳定模在更一般的半参数逆问题中的推广。立即可做：用 very_familiar 的 minimax 理论与逆问题框架即可切入阅读与 rate 验证。

7. 2606.06346 — Unified formulas for conditional quantities and transportation functionals

  • 作者: Roberto Vila, Eduardo Nakano, Chang C. Y. Dorea
  • 分类: math.ST · stat.ME · stat.TH
  • 相关性 4/10 · novelty: new_theory
  • 摘要: 本文在分布al导数与 Dirac delta 表示的框架下，为条件期望、条件分布、hazard function 及非正常分布等经典概念建立统一公式，覆盖绝对连续、离散与混合分布。核心机制是利用 delta 函数的局部化性质，将条件量统一为广义函数运算，再结合 copula 与 Fréchet–Hoeffding 界及 Δ-antitonic 函数诱导的期望不等式，推导固定边际下绝对差矩的 sharp bounds。由此得到 Wasserstein 距离与上 transport functional 的分位表示，以及广义绝对差矩的生存函数表示与界；作为特例给出二元 Gini 均差与 Gini 指数的新表示。最后应用于 Poisson、Binomial、Negative Binomial 标准化计数分布的正态逼近中 Wasserstein-type functional 的显式分位表示。对您可能有用：其 Dirac-delta 局部化与 copula 界技术为 semiparametric efficiency bound 中条件期望的广义处理及 causal inference 中 transport functional 的 identification 提供了新的数学视角。
  • 关键技术: distributional derivative, Dirac delta representation, Frechet-Hoeffding bounds, Delta-antitonic function, Wasserstein distance quantile representation, copula-based sharp bounds
  • 为什么对您有用: 直接连接 semiparametric / nonparametric theory 子方向：用 Dirac-delta 局部化统一条件量的公式化，为 semiparametric efficiency bound 中涉及混合分布条件期望的 influence function 计算提供新工具；copula + Δ-antitonic 推导的 sharp bounds 可用于验证 causal inference 中 transport / mediation functional 的 minimax rate 是否紧。follow-up 判定：中期可做——需先在 moderately_familiar 的 semiparametric theory 上长肌肉，将 distributional derivative 语言与 influence function / HOIF 框架对接，才能把本文的统一公式转化为 estimation 理论的新结果。

8. 2606.06018 — On statistical inference for non-linear dynamical systems evolving in their global attractor

  • 作者: Dimitri Konen, Richard Nickl
  • 分类: math.ST · math.AP · math.DS · stat.TH
  • 相关性 4/10 · novelty: new_theory
  • 摘要: 本文研究二维周期反应扩散系统中，初始条件 θ 到全局吸引子 𝒜 上演化轨迹 u_θ(t) 的统计推断问题，关键正则性假设为反应函数满足自然条件且初始条件位于吸引子上。作者首先证明在全局吸引子 𝒜 上成立反向 Poincaré 不等式，由此推出映射 θ ↦ u_θ(t) 在 𝒜 上满足 L²-Lipschitz 稳定性估计。基于此稳定性，他们证明从系统的离散观测中可以恢复初始条件 θ 并预测状态 u_θ，且收敛速率达到接近参数率的 'fast' 速率。该结果将无穷维动力系统的逆问题转化为具有 Lipschitz 稳定性的半参数估计，对您研究带随机噪声的逆问题及非参数 minimax 理论有直接借鉴意义。
  • 关键技术: reverse Poincaré inequality, global attractor stability, L²-Lipschitz estimate, near-parametric convergence rate, non-linear dynamical system inverse problem
  • 为什么对您有用: 本文直接连接到您 very_familiar 中的'带随机噪声的逆问题'与'非参数 minimax 界'：全局吸引子上的反向 Poincaré 不等式实质上给出了无穷维参数空间上的 Lipschitz 稳定模，从而将 minimax 收敛率从标准非参数慢率提升至近参数率。您可以用 minimax 界工具验证其声称的 'fast rate' 是否紧，并探讨该 Lipschitz 稳定模在更一般的半参数逆问题中的推广。立即可做：用 very_familiar 的 minimax 理论与逆问题框架即可切入阅读与 rate 验证。

9. 2606.06346 — Unified formulas for conditional quantities and transportation functionals

  • 作者: Roberto Vila, Eduardo Nakano, Chang C. Y. Dorea
  • 分类: math.ST · stat.ME · stat.TH
  • 相关性 4/10 · novelty: new_theory
  • 摘要: 本文在分布al导数与 Dirac delta 表示的框架下，为条件期望、条件分布、hazard function 及非正常分布等经典概念建立统一公式，覆盖绝对连续、离散与混合分布。核心机制是利用 delta 函数的局部化性质，将条件量统一为广义函数运算，再结合 copula 与 Fréchet–Hoeffding 界及 Δ-antitonic 函数诱导的期望不等式，推导固定边际下绝对差矩的 sharp bounds。由此得到 Wasserstein 距离与上 transport functional 的分位表示，以及广义绝对差矩的生存函数表示与界；作为特例给出二元 Gini 均差与 Gini 指数的新表示。最后应用于 Poisson、Binomial、Negative Binomial 标准化计数分布的正态逼近中 Wasserstein-type functional 的显式分位表示。对您可能有用：其 Dirac-delta 局部化与 copula 界技术为 semiparametric efficiency bound 中条件期望的广义处理及 causal inference 中 transport functional 的 identification 提供了新的数学视角。
  • 关键技术: distributional derivative, Dirac delta representation, Frechet-Hoeffding bounds, Delta-antitonic function, Wasserstein distance quantile representation, copula-based sharp bounds
  • 为什么对您有用: 直接连接 semiparametric / nonparametric theory 子方向：用 Dirac-delta 局部化统一条件量的公式化，为 semiparametric efficiency bound 中涉及混合分布条件期望的 influence function 计算提供新工具；copula + Δ-antitonic 推导的 sharp bounds 可用于验证 causal inference 中 transport / mediation functional 的 minimax rate 是否紧。follow-up 判定：中期可做——需先在 moderately_familiar 的 semiparametric theory 上长肌肉，将 distributional derivative 语言与 influence function / HOIF 框架对接，才能把本文的统一公式转化为 estimation 理论的新结果。

数理统计 / 假设检验 (hypothesis_testing, 5 篇)

1. 2606.06482 — Two-Sample Hypothesis Testing for Subspace Equality in Network Data

  • 作者: Rajdeep Brahma, Joshua Agterberg, Yuguo Chen
  • 分类: stat.ME · math.ST · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 在随机图模型设定下，目标是检验两个网络是否共享相同的潜在子空间结构（包括 SBM 与 mixed-membership SBM 的社区结构相同但边概率不同的情形）。核心检验统计量基于两个网络领先子空间投影矩阵之差的 Frobenius 范数，在适当中心化与尺度化后，当平均期望度至少随节点数对数增长时，该统计量依分布收敛至高斯随机变量。理论证明的关键工具是经验与真实特征向量投影差的一样本极限定理（可视为该检验统计量的单样本版本），并在此基础上给出了渐近均值与方差的一致估计量及局部功效分析。主要结果在较密网络条件下获得了参数率 n^{-1/2} 的渐近正态性，对您在高维假设检验与随机矩阵理论交叉方向的研究有直接参考价值。
  • 关键技术: subspace projection matrix difference, Frobenius norm test statistic, eigenvector perturbation limit theorem, stochastic blockmodel, asymptotic normality under log-degree growth, local power analysis
  • 为什么对您有用: 本文直接连接到您的高维假设检验与随机矩阵理论（RMT）两个子方向：用特征向量扰动的极限定理推导子空间投影差的渐近分布，是 RMT 在 inference 中的典型应用。您武器库中的 high-dimensional asymptotics 与 minimax bounds 可直接用来审视其声称的 n^{-1/2}-CAN 率在更稀疏（常数平均度）设定下是否仍可达，或推导 minimax 分离率以验证其局部功效界是否紧。立即可做：用 very_familiar 的高维渐近工具复现其极限定理推导，并尝试在稀疏设定下给出 lower bound。

2. 2606.06332 — Bentkus-type asymptotic e-values

  • 作者: Diego Martinez-Taboada, Ben Chugg, Aaditya Ramdas
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 在 post-hoc inference 与 multiple testing 设定下，目标是构造渐近 e-value 以消除现有方法中的 missing factor（导致过度保守的缩放效率损失）。本文引入 Bentkus-type 渐近 e-value，核心机制是利用 Bentkus 近优集中不等式框架替代传统 Hoeffding/Bernstein 型界，从而在 e-value 的构造中精确回收缺失的常数因子。理论证明 Bentkus-type e-value 消除了 missing factor，且在 post-hoc 置信区间宽度与多重检验拒绝率上均严格优于现有渐近 e-value。实证结果进一步验证了推断的 sharper 性质。对您有用：本文将 Bentkus 集中不等式这一经典概率工具引入 e-value 框架，直接推进了 hypothesis testing 中 post-hoc 控制与效率的理论边界。
  • 关键技术: asymptotic e-values, Bentkus concentration inequality, missing factor elimination, post-hoc inference, multiple testing
  • 为什么对您有用: 本文直接推进 hypothesis testing 中渐近 e-value 的效率理论，消除 missing factor 等价于在 post-hoc 设定下获得 sharper 的 rate/常数。您可用 minimax bounds 与高维渐近工具审视其声称的 sharper rate 是否紧，或在高维/流形设定下推广 Bentkus-type e-value。立即可做：用 very_familiar 的 minimax bounds 与集中不等式工具即可动手验证与拓展。

3. 2606.06469 — How abundant are good interpolators?

  • 作者: August Y. Chen, Ahmed El Alaoui
  • 分类: math.ST · cs.LG · math.PR · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 在比例极限 n/d→α 且 α 较小的过参化设定下，研究单位范数线性插值分类器（允许负间隔 κ）的泛化误差分布。数据生成过程假设为高斯混合模型或带高斯特征的逻辑模型，目标是刻画正确分类所有训练点且具有特定泛化误差的分类器集合 S 的测度性质。核心方法是建立大偏差原理（LDP），其速率函数在 d 的指数尺度上精确描述了具有给定泛化性能的插值器占比。由此得出浓度现象：除指数级小比例外，几乎所有插值分类器的泛化误差都集中在速率函数唯一极大值点附近。数值对比表明，梯度下降经验风险最小化与线性规划求得的可行点，其泛化性能优于绝大多数随机插值器，揭示了这些高效算法在该设定下的非平凡 benign overfitting。
  • 关键技术: large deviation principle, proportional asymptotics, Gaussian mixture model, benign overfitting, concentration of measure, linear programming interpolation
  • 为什么对您有用: 本文直接连接到高维统计的比例极限（n/d→α）分析，与您熟悉的高维渐近理论武器高度契合。您可以用 very_familiar 中的 minimax bounds 与 inverse problems 视角审视其速率函数是否隐含某种极小化极大下界，或用 moderately_familiar 的 M-estimation theory 分析梯度下降解相对于 LDP 极大值点的偏差结构。立即可做：用 very_familiar 的高维渐近工具复现并拓展其 LDP 速率函数的计算。

4. 2606.06332 — Bentkus-type asymptotic e-values

  • 作者: Diego Martinez-Taboada, Ben Chugg, Aaditya Ramdas
  • 分类: math.ST · stat.ME · stat.ML · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 在 post-hoc inference 与 multiple testing 设定下，目标是构造渐近 e-value 以消除现有方法中的 missing factor（导致过度保守的缩放效率损失）。本文引入 Bentkus-type 渐近 e-value，核心机制是利用 Bentkus 近优集中不等式框架替代传统 Hoeffding/Bernstein 型界，从而在 e-value 的构造中精确回收缺失的常数因子。理论证明 Bentkus-type e-value 消除了 missing factor，且在 post-hoc 置信区间宽度与多重检验拒绝率上均严格优于现有渐近 e-value。实证结果进一步验证了推断的 sharper 性质。对您有用：本文将 Bentkus 集中不等式这一经典概率工具引入 e-value 框架，直接推进了 hypothesis testing 中 post-hoc 控制与效率的理论边界。
  • 关键技术: asymptotic e-values, Bentkus concentration inequality, missing factor elimination, post-hoc inference, multiple testing
  • 为什么对您有用: 本文直接推进 hypothesis testing 中渐近 e-value 的效率理论，消除 missing factor 等价于在 post-hoc 设定下获得 sharper 的 rate/常数。您可用 minimax bounds 与高维渐近工具审视其声称的 sharper rate 是否紧，或在高维/流形设定下推广 Bentkus-type e-value。立即可做：用 very_familiar 的 minimax bounds 与集中不等式工具即可动手验证与拓展。

5. 2606.06469 — How abundant are good interpolators?

  • 作者: August Y. Chen, Ahmed El Alaoui
  • 分类: math.ST · cs.LG · math.PR · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 在比例极限 n/d→α 且 α 较小的过参化设定下，研究单位范数线性插值分类器（允许负间隔 κ）的泛化误差分布。数据生成过程假设为高斯混合模型或带高斯特征的逻辑模型，目标是刻画正确分类所有训练点且具有特定泛化误差的分类器集合 S 的测度性质。核心方法是建立大偏差原理（LDP），其速率函数在 d 的指数尺度上精确描述了具有给定泛化性能的插值器占比。由此得出浓度现象：除指数级小比例外，几乎所有插值分类器的泛化误差都集中在速率函数唯一极大值点附近。数值对比表明，梯度下降经验风险最小化与线性规划求得的可行点，其泛化性能优于绝大多数随机插值器，揭示了这些高效算法在该设定下的非平凡 benign overfitting。
  • 关键技术: large deviation principle, proportional asymptotics, Gaussian mixture model, benign overfitting, concentration of measure, linear programming interpolation
  • 为什么对您有用: 本文直接连接到高维统计的比例极限（n/d→α）分析，与您熟悉的高维渐近理论武器高度契合。您可以用 very_familiar 中的 minimax bounds 与 inverse problems 视角审视其速率函数是否隐含某种极小化极大下界，或用 moderately_familiar 的 M-estimation theory 分析梯度下降解相对于 LDP 极大值点的偏差结构。立即可做：用 very_familiar 的高维渐近工具复现并拓展其 LDP 速率函数的计算。

经济理论 / 应用 (econ_theory, 3 篇)

1. 2606.05705 — Econstellar: An Open-Source AI-Augmented Research Engine for Computational Financial Econometrics

  • 作者: Avishek Bhandari
  • 分类: econ.EM · cs.SE
  • 相关性 7/10 · novelty: application
  • 摘要: 本文介绍 Econstellar，一个开源、AI 辅助的计算金融计量经济学研究引擎，旨在降低实证金融研究的计算门槛与复现成本。系统核心设定是将所有价格序列视为非平稳过程，统一在收益率层面应用 17 种计量方法，并给出经验证的实时数值与可复现的公开端点。技术机制上，系统采用异构计算调度（将重计算分配至匹配硬件），AI 助手仅做方法选择与结果解读而不生成数据，确保所有报告数值均为真实可复现计算；同时平台代码与作者已发表研究的生成包完全一致，支持一键复现金融传染研究的 headline 结果。主要贡献是一个可运行、可复现的实证金融计算平台，方法论 novelty 有限但对计算计量经济学基础设施有实用价值。对您而言，该平台提供的 17 种非平稳时间序列计量方法（如协整、GARCH 等）的标准化实现与数据集，可作为经济理论应用因果/计量工作的入门与复现起点。
  • 关键技术: computational reproducibility, heterogeneous computation scheduling, non-stationary time series analysis, financial contagion modeling, AI-augmented interpretation
  • 为什么对您有用: 本文属于经济理论（计算金融计量）方向的 gateway reading：(1) 作为应用因果与计量经济学的基础设施，它将 17 种非平稳序列方法标准化并公开数据与端点，适合作为实证金融因果分析的入门复现平台；(2) 您武器库中的 software development 与 high-dimensional asymptotics 可直接评估其计算调度与数值稳定性设计；(3) 立即可做：用 very_familiar 的软件开发能力接入其 API/开源包，跑通金融传染的复现流程，并审视其非平稳假设下的计量方法实现细节。

2. 2606.06251 — Interdependent Hitting Times

  • 作者: Jaap H. Abbring, Yifan Yu
  • 分类: econ.EM · econ.TH
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究同步博弈（continuous-time stopping game）中的相互依赖持续时间，目标是均衡停止时间在共同冲击与可观测/不可观测异质性下的非参数识别与估计。模型设定中，共同冲击服从谱负 Lévy 过程（包含布朗运动与跳跃的半参数族），且某玩家停止会提高其他玩家的停止激励。核心机制是将均衡结果表示为相互依赖的 hitting times，并据此证明从停止时间与协变量数据出发可非参数识别博弈参数。作者提出了最大模拟似然（MSL）与模拟矩方法（MSM）估计量，并通过 Monte Carlo 实验评估了有限样本与计算表现。对您可能有用：该文将半参数 Lévy 过程与 hitting time 识别结合，为经济理论中的持续时间建模提供了新视角。
  • 关键技术: synchronization game, spectrally negative Levy process, nonparametric identification, hitting time representation, maximum simulated likelihood, method of simulated moments
  • 为什么对您有用: (1) 连接经济理论中的因果/结构识别与半参数过程设定，属于 econ_theory 中 duration data 与 identification 的交叉。(2) 武器库中 semiparametric theory 与 identification theory in causal inference 可直接攻其非参数识别证明部分；MSL/MSM 的计算与数值优化可由 statistical computing / software development 经验支撑。(3) 立即可做：用 very_familiar 的半参数识别与高维渐近工具审视其 MSL/MSM 估计量的渐近性质与计算效率，或探索将 hitting time 结构迁移到 causal inference 中 survival / mediation 设定的可能性。

3. 2606.06253 — When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation

  • 作者: Song Yao
  • 分类: econ.EM
  • 相关性 4/10 · novelty: application
  • 摘要: 本文研究生成式 AI 对精英技能形成的影响，核心问题是 AI 替代刻意练习是否会侵蚀前沿技能，以及筛选机制能否区分替代型用户与互补型用户。在 ICPC/IOI（禁止 AI、有资格筛选）与 Codeforces（开放、无监督）的对比设定下，作者构建了 AI 提示签名（更多首次通过、更少重试）作为 AI 辅助练习的代理变量。通过三个经验模式进行三角验证：CF 练习向 AI 签名偏移；开放环境中强签名对无 ICPC/IOI 资质用户预测更小评分增益，但对有资质用户无此效应；在禁止 AI 的 ICPC 内，AI 风格练习偏移反而预测更高非 AI 辅助得分。同一练习输入在有无筛选环境下呈现相反信号，揭示了筛选制度作为类型分离机制的作用。对您可能有用：本文提供了职业认证与筛选机制在 AI 时代如何运作的实证案例，适合作为经济理论中因果筛选与异质性处理效应的应用参考。
  • 关键技术: proxy variable construction, triangulation of institutional screening, heterogeneous treatment effect, cohort shift analysis, observational causal inference
  • 为什么对您有用: 本文连接到经济理论中的因果推断应用与异质性处理效应分析，具体涉及筛选机制下的类型分离问题。您的 technical_arsenal 中 identification theory in causal inference 可以攻这篇 paper 的核心口子——即如何在没有随机化时用代理变量与制度对比识别替代型与互补型用户的异质效应。Follow-up 粗判：中期可做——需先在 moderately_familiar 的 identification theory 上长肌肉，以形式化本文隐含的筛选识别条件与异质效应分解。

🗂 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. 2606.05959 — Narrow spectral artifact investigation and mitigation in LIGO data from the fourth LIGO-Virgo-KAGRA observing run

  • 作者: E. Goetz, A. Neunzert, A. M. Knee, A. Calafat, X. Fan, J-R. M\'erou, K. A. Pham, T. Starkman, N. Aggarwal, Z. Bhalla, P. Baxi, J. Bayley, Y. Bu, J. B. Carlin, P. Charlton, X. Chen, G. Cheng, T. Cheunchitra, N. Christensen, A. Claveus, C. M. Compton, M. W. Coughlin, F. De Lillo, L. Dunn, S. E. Dwyer, A. Effler, T. A. Ferreira, B Finkel, P. Goodarzi, A. E. Granados, H. Guo, C. Hsiung, K. Janssens, S. Kandhasamy, K. Kawabe, Y. -M. Kim, T. Kimpson, R. Krismer, M. Lalleman, Y. S. C. Lee, N. K. Y. Low, J. C. Martins, H. Middleton, C. -A. Miritescu, D. Nykamp, J. O'Leary, A. Renzini, K. Riles, A. Romero-Rodr\'iguez, J. R. Sanders, R. M. S. Schofield, D. Singh, D. Singh, R. Slocum, Q. Song, J. Suresh, S. Suyamprakasam, J. D. Tasson, A. Tripathee, A. F. Vargas, A. Wang, K. Wu, J. Yee, J. Yi, Z. Zhang, O4 LIGO Detector authors
  • 分类: astro-ph.IM · gr-qc
  • 相关性 4/10
  • 评分理由: Signal processing / noise mitigation problem that a statistician could engage with, but abstract lacks accessible statistical model exposition.

2. 2606.05560 — Wasserstein Exponential Smoothing

  • 作者: Takuo Matsubara, Peiwen Jiang, Minh-Ngoc Tran, Wilson Ye Chen
  • 分类: stat.ME · math.ST · stat.ML · stat.TH
  • 相关性 3/10
  • 评分理由: Extends exponential smoothing to Wasserstein space; methodological overlap with nonparametric statistics but primarily a time-series/forecasting tool.

3. 2606.05364 — A Critical UV Legacy: A Hubble Roadmap for HWO Science Readiness

  • 作者: Sarah Peacock, Aiden S. Zelakewicz, Lisa Kaltenegger, Breanna A. Binder, Jos\'e A. Caballero, L\'ia Corrales, Kevin France, Cynthia Froning, Eric Mamajek, Seth Redfield, Tyler Richey-Yowell, Keighley Rockcliffe, Edward Schwieterman, Riccardo Spinelli, Noah Tuchow, David Wilson, Allison Youngblood
  • 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
  • 相关性 3/10
  • 评分理由: Astrophysics roadmap for UV observations; lacks clear statistical or data-analysis problem exposition for an outsider, failing gateway criteria.

4. 2606.05807 — Simulation of proton-induced activation for low-Earth orbit high energy astrophysics missions

  • 作者: Riccardo Campana
  • 分类: astro-ph.IM · astro-ph.HE
  • 相关性 3/10
  • 评分理由: Adjacent methodological overlap via Monte Carlo simulation efficiency, but core topic is physics instrumentation, not statistics.

5. 2606.05891 — The Analysis of the Influence of Coordinate Error of Observation Station On the Construction Accuracy of Pulsar Time

  • 作者: Zurong Zhou, Chengshi Zhao, Yuping Gao, Jianping Yuan, Wei Han, Shougang Zhang, Yue Hu, Shijun Dang, Na Wang, Jingbo Wang, Minglei Tong, De Wu
  • 分类: astro-ph.IM · astro-ph.HE
  • 相关性 3/10
  • 评分理由: Touches on error propagation in simulations, but core topic is pulsar timing physics without clear statistical model exposition.

6. 2606.06237 — Sensitivity Limits and Operational Threshold Calibration for DINOv2-based Gravitational-Wave Glitch Characterization: A Strain-Domain Mock Data Challenge on LIGO O4a

  • 作者: Luca Cirfeta
  • 分类: astro-ph.IM · gr-qc
  • 相关性 3/10
  • 评分理由: Pure gravitational-wave glitch ML pipeline paper; lacks accessible data/model exposition for a stats outsider and does not articulate broader scientific questions, failing the astrostats gateway rubric.

7. 2606.05317 — A Family of Quantile Functions Useful in Clinical Studies

  • 作者: Sankaran P. G., Prasanth V. P., Midhu N. N
  • 分类: stat.ME
  • 相关性 2/10
  • 评分理由: Quantile-domain summaries for clinical studies; tangential to primary interests in causal inference, high-dim stats, or efficiency theory.

8. 2606.05676 — regcorr: An R Package for Regression Models of Pearson Correlation Coefficients

  • 作者: Ze Lin, Bo Li, Jinyao Shen
  • 分类: stat.ME · stat.CO
  • 相关性 2/10
  • 评分理由: R package for regressing Pearson correlations; software overlap but core topic is unrelated to primary interests.

9. 2606.06411 — Smooth Concordance Metrics for Survival Models

  • 作者: Nicholas Hartman, Grace Richards
  • 分类: stat.ME
  • 相关性 2/10
  • 评分理由: Smooth concordance metrics for survival models; tangential to primary interests, focused on predictive discrimination metrics.

10. 2606.05672 — Trace-Class Results for MCMC Algorithms for Student-t Regression Models

  • 作者: Yasuyuki Hamura
  • 分类: math.ST · stat.TH
  • 相关性 2/10
  • 评分理由: Trace-class results for MCMC in Student-t models; tangential to primary interests.

11. 2606.05237 — GREX-PLUS Science Book v2

  • 作者: PLUS Science Team, Shunsuke Baba (ISAS/JAXA), Sirio Belli (Universita di Bologna), Pietro Benotto (INAF - Osservatorio Astronomico di Padova / Universita di Bologna), Ivan Delvecchio (INAF - Osservatorio di Astrofisica e Scienza dello Spazio di Bologna), Yoshinobu Fudamoto (Chiba University), Yuka Fujii (NAOJ), Yuichi Harikane (University of Tokyo), Yasuhiro Hirahara (Nagoya University), Akio K. Inoue (Waseda University), Yoshiyuki Inoue (University of Osaka), Hajime Kawahara (ISAS/JAXA / University of Tokyo), Taiki Kawamuro (University of Osaka), Yui Kawashima (Kyoto University), Lucas Kimmig (Ludwig-Maximilians-University / University of Nottingham), Tadayuki Kodama (Tohoku University), Mitsuru Kokubo (NAOJ), Hiroyuki Kurokawa (University of Tokyo), Katsunori Kusakabe (University of Osaka), Kosei Matsumoto (Ghent University), Noriyuki Matsunaga (University of Tokyo), Taro Matsuo (University of Osaka), Yoshiki Matsuoka (Ehime University), Shuji Matsuura (Kwansei Gakuin University), Toru Misawa (Shinshu University), Shota Miyazaki (ISAS/JAXA), Alessia Moretti (INAF - Osservatorio Astronomico di Padova), Kumiko Morihana (NAOJ), Takashi Moriya (NAOJ), Kentaro Nagamine (University of Osaka / University of Tokyo / University of Nevada Las Vegas), Kimihiko Nakajima (Kanazawa University), Hideko Nomura (NAOJ), Shota Notsu (University of Tokyo), Takafumi Ootsubo (University of Occupational,Environmental Health), Kazumasa Ohno (NAOJ), Giorgia Peluso (INAF - Osservatorio di Astrofisica e Scienza dello Spazio di Bologna), Bianca M. Poggianti (INAF - Osservatorio Astronomico di Padova), Mario Radovich (INAF - Osservatorio Astronomico di Padova), Giulia Rodighiero (University of Padova), Hideo Sagawa (Kyoto Sangyo University), Kazuhiro Shimasaku (University of Tokyo), Takashi Shimonishi (Niigata University), Ken-ichi Tadaki (Hokkai-Gakuen University), Kosuke Takahashi (Tohoku University), Michihiro Takami (ASIAA), Shuya Tan (JAMSTEC), Takumi Tanaka (University of Tokyo), Tsuyoshi Terai (NAOJ), Yoshiki Toba (Ritsumeikan University), Roberta Tripodi (INAF - Astronomical Observatory of Rome), Francesco Valentino (DAWN / Technical University of Denmark), Benedetta Vulcani (INAF - Osservatorio Astronomico di Padova), Taihei Yano (NAOJ), Chikako Yasui (NAOJ), Stefano Zibetti (INAF - Arcetri Astrophysical Observatory)
  • 机构: International Society of Automation · University of Bologna · Osservatorio astronomico di Bologna · Osservatorio Astronomico di Padova · National Institute for Astrophysics · Osservatorio di Astrofisica e Scienza dello Spazio · Chiba University · The University of Tokyo 等
  • 分类: astro-ph.IM · astro-ph.EP · astro-ph.GA · astro-ph.HE · astro-ph.SR
  • 相关性 2/10
  • 评分理由: Pure astrophysics mission science book; lacks accessible data/model exposition for a stats outsider and no clear statistical methodology question.

12. 2606.05811 — Observing the integrated and spatially resolved Sun with ultra-high spectral resolution

  • 作者: S. Sch\"afer, K. Royen, A. Huster Zapke, M. Ellwarth, A. Reiners
  • 分类: astro-ph.IM · astro-ph.SR
  • 相关性 2/10
  • 评分理由: Primarily an instrumentation setup paper; computational steps mentioned but no statistical methodology exposed.

13. 2606.06137 — An Adaptive Upper One-Sided Cumulative Sum Control Chart with Joint Parameter Optimization for Monitoring the Ratio of Two Normal Variables in Short Production Runs

  • 作者: Kim Duc Tran
  • 分类: math.ST · stat.TH
  • 相关性 1/10
  • 评分理由: Statistical process control chart for monitoring ratios; unrelated to primary/secondary interests.

14. 2606.06149 — Effect of the measurement errors on one-sided Synthetic-RZ control charts for monitoring the ratio of two normal variables

  • 作者: Kim Duc Tran, Thi Hien Nguyen, Kim Phuc Tran
  • 分类: math.ST · stat.TH
  • 相关性 1/10
  • 评分理由: SPC chart with measurement errors for normal ratios; unrelated to primary/secondary interests.

15. 2606.06161 — Monitoring the Ratio of two Normal Variables using EWMA Type Control Charts in Short Production Runs

  • 作者: Thi Hien Nguyen, Jean-Michel Masereel, Guillaume Tartare, Kim Duc Tran
  • 分类: math.ST · stat.TH
  • 相关性 1/10
  • 评分理由: EWMA control chart for normal ratios in short runs; unrelated to primary/secondary interests.

16. 2606.05244 — UK White Paper on Space-based total solar eclipse observations: structure and dynamics of the solar atmosphere

  • 作者: Lucie M. Green, Nicola Baresi, Huw Morgan, Matt Gunn, Amir Caspi, Daniel B. Seaton, Giulio Del Zanna, Yeimy J. Rivera, Francisco Javier Bailen, David Orozco Suarez, Anthony R. Yeates, Peter Wyper, Nawin Ngampoopun, Nathalia Alzate, Simone Di Matteo, Erika Palmerio, Richard J. Morton, Eleanna Asvestari, Manuela Temmer, Greta Cappello, Teodora Mihailescu, Karl Battams
  • 分类: astro-ph.IM · astro-ph.SR
  • 相关性 1/10
  • 评分理由: Pure solar astrophysics white paper; completely inaccessible to a stats outsider with no data-analysis or modeling exposition.

17. 2606.05417 — Building a Roadmap for Hubble science into the 2030s: Crucial UV spectroscopy of Oe stars in nearby galaxies

  • 作者: A. Wofford, D. Pauli, A. A. C. Sander, O. Arangur\'e, M. S. Oey, O. G. Telford, P. A. Crowther, J. S. Vink, Tomer Shenar, M. Gull, L. P. Martins, S. Sim\'on-D\'iaz, S. Zharikov, L. M. Oskinova, L. J. Smith
  • 分类: astro-ph.IM · astro-ph.GA · astro-ph.SR
  • 相关性 1/10
  • 评分理由: Pure astrophysics result about UV spectroscopy of Oe stars; lacks clear data/model exposition for a statistician outsider.

18. 2606.05601 — Station-Keeping Approach for Extremely Low Lunar Orbits with Solar Sailing

  • 作者: Jack Yarndley, Gregory Lantoine, Roberto Armellin
  • 分类: astro-ph.IM
  • 相关性 0/10
  • 评分理由: Unrelated orbital mechanics / aerospace engineering paper with no statistical methodology.

19. 2606.05782 — Two Fabry-Perots and two calibration units for CARMENES

  • 作者: Sebastian Schafer, Eike W. G\"unther, Ansgar Reiners, Johannes Winkler, Michael Pluto, J\"org Schiller
  • 分类: astro-ph.IM
  • 相关性 0/10
  • 评分理由: Unrelated instrumentation paper about spectrograph wavelength calibration hardware.

20. 2606.05810 — Fiber-coupling of Fourier Transform Spectrographs

  • 作者: S. Sch\"afer, P. Huke, D. Meyer, A. Reiners
  • 分类: astro-ph.IM
  • 相关性 0/10
  • 评分理由: Unrelated optics / instrumentation paper about fiber-coupling spectrographs.

Maintained by 陈星宇 · Homepage · Source on GitHub

评论