跳转至

2026-06-11 每日 arXiv 资讯

  • 高相关论文 0 篇 · 中相关 7 篇 · 其他 10 篇 · 会议/Seminar 事件 0 条

📌 中相关论文（按主题分组）

非参数 / 半参数 (nonparam_semipara, 2 篇)

1. 2606.10212 — Intrinsic Footpoint-invariant Riemannian Cross-covariance

  • 作者: Carlos Soto, Cheng Wang, Zipan Huang, Xiaoyu Chen
  • 分类: math.ST · stat.ML · stat.TH
  • 相关性 4/10 · novelty: new_method
  • 摘要: 在 Riemannian 流形设定下，本文目标是定义一个 intrinsic 且 footpoint-invariant 的 cross-covariance，解决传统流形协方差依赖基点选择的问题。核心机制是通过 parallel transport 将局部变差映射到公共切空间，构造出不依赖坐标选择的二阶描述子。作者证明了该协方差继承了欧氏协方差的关键性质，并刻画了其估计量的渐近行为。数值实验在球面、SPD 流形及 Kendall 形状空间的心脏瓣膜数据上验证了理论。对您可能有用：若关注非参数理论在非欧空间的推广，本文提供了将欧氏二阶统计量内蕴化并分析渐近性质的范例。
  • 关键技术: Riemannian manifold, parallel transport, cross-covariance, SPD matrices, Kendall shape space, asymptotic characterization
  • 为什么对您有用: (1) 连接到 primary interest 中的 "semiparametric and nonparametric theory"（流形上的非参数估计）。(2) 用 very_familiar 的 "minimax bounds for estimation problems" 可审视本文渐近性质是否达到最优率，或探讨该流形协方差估计的 minimax 下界。(3) 中期可做：需先在 moderately_familiar 的 "M-estimation theory" 上补充流形 M-估计的渐近理论基础（如 geodesic regression / Fréchet mean），才能深入攻其 minimax 界或效率理论。

2. 2606.10212 — Intrinsic Footpoint-invariant Riemannian Cross-covariance

  • 作者: Carlos Soto, Cheng Wang, Zipan Huang, Xiaoyu Chen
  • 分类: math.ST · stat.ML · stat.TH
  • 相关性 4/10 · novelty: new_method
  • 摘要: 在 Riemannian 流形设定下，本文目标是定义一个 intrinsic 且 footpoint-invariant 的 cross-covariance，解决传统流形协方差依赖基点选择的问题。核心机制是通过 parallel transport 将局部变差映射到公共切空间，构造出不依赖坐标选择的二阶描述子。作者证明了该协方差继承了欧氏协方差的关键性质，并刻画了其估计量的渐近行为。数值实验在球面、SPD 流形及 Kendall 形状空间的心脏瓣膜数据上验证了理论。对您可能有用：若关注非参数理论在非欧空间的推广，本文提供了将欧氏二阶统计量内蕴化并分析渐近性质的范例。
  • 关键技术: Riemannian manifold, parallel transport, cross-covariance, SPD matrices, Kendall shape space, asymptotic characterization
  • 为什么对您有用: (1) 连接到 primary interest 中的 "semiparametric and nonparametric theory"（流形上的非参数估计）。(2) 用 very_familiar 的 "minimax bounds for estimation problems" 可审视本文渐近性质是否达到最优率，或探讨该流形协方差估计的 minimax 下界。(3) 中期可做：需先在 moderately_familiar 的 "M-estimation theory" 上补充流形 M-估计的渐近理论基础（如 geodesic regression / Fréchet mean），才能深入攻其 minimax 界或效率理论。

天体统计 (astrostats, 3 篇)

1. 2606.11097 — A data-driven method for measuring corner-clipping probabilities in segmented particle detectors

  • 作者: Joaqu\'in de Jes\'us, Juan Manuel Figueira, Federico S\'anchez, Darko Veberi\v{c}
  • 分类: astro-ph.IM
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对高分段粒子探测器中的 corner-clipping 效应（单个粒子在相邻探测单元同时产生信号，导致方向依赖的过计数偏差），提出一种纯数据驱动的方法来直接测量单粒子 corner-clipping 概率。核心机制利用纳秒级时间分辨率统计区分真实 corner-clipping 事件与随机巧合，并以非相邻探测单元作为内在控制样本（类似 negative-control 思想）。方法在 Pierre Auger 地下 μ 探测器的详细模拟上验证，绝对偏差低于 0.01，并引入包含探测器几何、最小可探测路径长度和方向无关贡献的紧凑解析参数化模型。从统计学角度看，该方法本质上是利用时间窗口与空间控制组的条件概率估计，理论深度有限；主要贡献在于避免 Monte Carlo 模拟的不确定性继承。对您而言，该文的 negative-control 式控制样本设计思路与 proximal CI 有概念相似性，但统计方法论创新较浅，更适合作为分段探测器数据校正的应用案例而非统计理论入门。
  • 关键技术: corner-clipping probability estimation, timing-resolution based event classification, non-neighboring element control sample, analytical geometric parameterization, data-driven bias correction
  • 为什么对您有用: 本文属于 astrostats 方向的 gateway reading，但门槛较高：(1) 非相邻单元作控制样本的设计与 proximal CI 的 negative-control 设定有概念类比，但未触及 identification theory 或 semiparametric efficiency；(2) 武器库中的 estimation theory in causal inference 可分析其条件概率估计的偏差与方差，但本文未展开此类理论；(3) 作为 astrostats 入门读物不够理想——探测器物理术语较多、统计方法论深度浅、科学问题窄（单一探测器校正），不值得花时间读全文。评分约 3，低于展示阈值。

2. 2606.10771 — On-sky demonstration of reinforcement learning for adaptive optics control

  • 作者: Jalo Nousiainen, Vincent Chambouleyron, Benoit Neichel, Sylvain Cetre, Jean-Francois Sauvage, Angelie Alagao, Markus Kasper, Jonathan Dray, Romain Fetick, Byron Engler
  • 分类: astro-ph.IM · cs.LG · cs.RO
  • 相关性 5/10 · novelty: application
  • 摘要: 本文报告了首个基于强化学习（RL）的自适应光学（AO）控制器 PO4AO 的在轨（on-sky）验证实验，目标是在 1.52m 望远镜的 Papyrus AO 系统上比较 RL 控制器与标准积分控制器在多种光通量和大气条件下的闭环性能。核心机制是 policy optimization：RL 控制器通过与环境交互学习补偿振动模式，对测量噪声具有强鲁棒性，且在所有测试配置下均优于传统积分器。实验中 Python 实现引入约 750μs 额外延迟及帧丢失，但 RL 控制器仍保持性能优势，表明算法本身对延迟和抖动有一定容忍度。作者指出优化实现后 PO4AO 可成为单共轭 AO 系统的即插即用高性能控制器。对您而言，这是一篇 astrostats 方向的 gateway reading：展示了 RL 在实时物理控制中的在轨验证，数据侧（噪声、振动、seeing 变化）和模型侧（policy optimization、RTC 共享内存接口）均有清晰描述。
  • 关键技术: reinforcement learning policy optimization, adaptive optics real-time control, integrator controller comparison, shared-memory RTC interface, on-sky validation experiment
  • 为什么对您有用: 本文作为 astrostats gateway reading 较为合格：对天文 AO 控制问题和 RL 方案有清晰介绍，数据侧（噪声、振动、seeing）和实现侧（延迟、帧丢失）交代明确，但统计建模深度有限（无 likelihood / latent variable 结构），更偏工程验证而非统计方法论。武器库中 software development 和 inverse problems with random noise 可支撑理解其延迟-性能权衡分析，但无法直接攻入其 RL 算法设计。follow-up 判断：中期可做——若想在 AO 控制的统计建模（如将振动补偿建模为 inverse problem with random noise）上切入，需先在 moderately_familiar 的 M-estimation theory 或 RL 理论上长肌肉；纯读本文了解 AO 数据结构和工程约束即可，不必深读全文。

3. 2606.10076 — Method to get Better Sky Maps in a GstLAL Low-Latency Analysis

  • 作者: Prathamesh Joshi, Becca Ewing, Chad Hanna, Zach Yarbrough, Jolien D. E. Creighton, Shomik Adhicary, Pratyusava Baral, Amanda Baylor, Kipp Cannon, Sarah Caudill, Michael W. Coughlin, Bryce Cousins, Heather Fong, Richard N. George, Shaon Ghosh, Patrick Godwin, Reiko Harada, Yun-Jing Huang, Rachael Huxford, James Kennington, Soichiro Kuwahara, Alvin K. Y. Li, Ryan Magee, Duncan Meacher, Cody Messick, Soichiro Morisaki, Debnandini Mukherjee, Wanting Niu, Alexander Pace, Cort Posnansky, Anarya Ray, Surabhi Sachdev, Shio Sakon, Stefano Schmidt, Urja Shah, Divya Singh, Ron Tapia, Leo Tsukada, Koh Ueno, Aaron Viets, Leslie Wade, Madeline Wade, Noah Zhang
  • 分类: astro-ph.IM · astro-ph.CO · gr-qc
  • 相关性 4/10 · novelty: application
  • 摘要: 本文针对 GstLAL 引力波低延迟搜索管线，提出一种中等延迟（数秒至五分钟）的定向层级搜索后处理方法，以改善候选事件的参数估计与天空定位精度。方法机制是先获取低延迟检测结果，再对每个候选执行小规模层级搜索恢复更准确参数。在 LIGO-Virgo-KAGRA 第三观测运行四十天数据上验证，参数精度提升 5.38%、天空定位精度提升 16.75%，且结果更准确。但摘要未阐明背后的统计模型（似然、潜变量、推断假设）与层级搜索的具体数学定义，对统计学 outsider 可读性低。对您而言，本文是引力波管线的工程优化，而非 astrostats 方向的入门统计方法论阅读。
  • 关键技术: hierarchical targeted search, matched-filter template bank, low-latency pipeline post-processing, sky localization improvement
  • 为什么对您有用: 本文属于 astrostats 但不符合 gateway reading 标准：(1) 摘要未解释统计推断框架与模型假设，大量领域术语对外行不友好，无法作为入门读物；(2) 武器库中的统计计算与数值方法经验无法直接切入——核心是管线工程优化而非统计推断或建模问题；(3) 不值得花时间读全文，若想进入引力波统计推断方向应寻找明确阐述似然模型与贝叶斯 sky localization 方法的入门文献。

其他 (other, 2 篇)

1. 2606.10770 — Correcting Variable Importance Scored by Random Forests

  • 作者: Guancheng Zhou, Haiping Xu, Jason Liu, Donghui Yan
  • 分类: stat.ME · cs.LG
  • 相关性 6/10 · novelty: minor
  • 摘要: 本文研究 Random Forests (RF) 变量重要性度量中因变量间相关性导致的遮蔽效应：与众多变量相关的变量倾向于获得偏低的重要性指数甚至被完全遮蔽（importance near zero）。作者提出基于条件相关性（条件于响应 Y）的变量分组策略来修正此偏差，探索两种计算高效方案——逐变量分组后将目标变量从相关变量中分离，以及基于成对条件相关性的聚类分组。实验表明两种方案均能对变量重要性产生合理修正。但本文缺乏正式渐近理论（一致性、收敛速率或效率界），修正策略本质是启发式而非基于 influence function 或 semiparametric efficiency 的正式 debiasing。对您而言，本文与 primary interest 连接较弱——虽涉及'修正'概念，但并非 semiparametric efficiency 框架下的正式纠偏。
  • 关键技术: Random Forest variable importance, conditional correlation grouping, permutation importance masking, clustering-based variable grouping
  • 为什么对您有用: 本文与您的主要研究方向连接较弱：RF importance 修正虽涉及'debiasing'概念，但并非 semiparametric efficiency 或 DML 框架下的正式纠偏，而是基于条件相关性的启发式分组，无 influence function 或效率界推导。若要从 formal debiasing 视角重新审视 RF importance 遮蔽问题，需要 semiparametric theory（moderately_familiar）推导 importance estimand 的 efficient influence function，但本文未提供此路径且问题本身偏离您当前聚焦方向。暂不可做：核心理论机器（variable importance 的 semiparametric efficiency bound、formal influence function）不在本文中，且该问题与 causal identification / 高维 inference / U-statistics 偏离较大。

2. 2606.10409 — Robust Bayesian Predictive Model Selection using Bregman Divergence

  • 作者: Jongwoo Choi, Neil A. Spencer, Dipak K. Dey
  • 分类: stat.ME
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文针对 Bayesian 预测性模型选择中 ELPD（基于 log score 的 LOO-CV 准则）对异常值与尾部失配过度敏感的问题，提出用 Bregman scoring rule 替代 log score 构建广义 ELPD 框架。核心机制：通过 score-matched generalized posterior 更新参数，再以所选 Bregman rule 下的 out-of-sample utility 排名候选模型，得到 proper score 对标准 ELPD 的直接推广；重点考察 β-divergence 族，β 参数显式控制对低密度观测的敏感度。在模型误设下，程序渐近选出在所选 Bregman divergence 下预测分布最接近真实数据生成过程的模型。模拟与微生物/法医数据应用表明广义 ELPD 可因降低低密度观测敏感度而改变模型选择。对您而言，misspecification-robust 渐近选择与 semiparametric efficiency 的最优性有概念重叠，但技术路线（Bayesian generalized posterior）与您熟悉的 influence function / debiased ML 路线完全不同。
  • 关键技术: Bregman divergence scoring rule, β-divergence, score-matched generalized posterior, LOO cross-validation ELPD, misspecification-robust asymptotic selection
  • 为什么对您有用: 本文与您 primary interest 的连接较弱：misspecification 下渐近选择'最接近真实分布'的模型这一目标与 semiparametric efficiency 的最优性思想有概念重叠，但技术路线（Bayesian generalized posterior + Bregman score）与您熟悉的 influence function / one-step / debiased ML 完全不同。technical_arsenal 中 minimax bounds / semiparametric theory 无法直接攻入——本文不涉及 minimax rate 或 efficiency bound 计算。follow-up 判断：暂不可做——核心机器（Bayesian generalized posterior 的渐近理论、Bregman scoring rule 的 model selection 理论）不在武器库中，且与您当前方向（higher-order U / HOIF / proximal CI）无自然交汇点。

🗂 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. 2606.10969 — A Functional Data Framework For Analyzing Shapes and Textures in Images

  • 作者: Issam-Ali Moindji\'e
  • 分类: stat.ME
  • 相关性 3/10
  • 评分理由: Functional data analysis for image shapes; nonparametric arsenal overlap but application and focus don't align with core interests.

2. 2606.09933 — Patch-Level DINOv2 Scoring for Gravitational-Wave Glitch Detection: Breaking the Signal Dilution Barrier via Vector-Quantized Local Feature Indexing

  • 作者: Luca Cirfeta
  • 分类: astro-ph.IM · gr-qc
  • 相关性 3/10
  • 评分理由: Astrostats gateway paper but fails most criteria: heavily ML-engineering focused, not accessible to stats outsider, no clear statistical model exposition.

3. 2606.09906 — An information-geometric framework for mapping maximum potential biodiversity

  • 作者: Shinto Eguchi
  • 分类: stat.ME · q-bio.PE
  • 相关性 2/10
  • 评分理由: Ecology/biodiversity application using information geometry; tangential to researcher's efficiency-theory interests.

4. 2606.10224 — Spatial Prediction of Local Soil Erosion Distribution in the Wasserstein Space

  • 作者: Jiaming Qiu, Xiongtao Dai, Zhengyuan Zhu, Shuiqing Yin
  • 分类: stat.ME · stat.AP
  • 相关性 2/10
  • 评分理由: Soil-erosion spatial prediction in Wasserstein space; methodology is interesting but application domain unrelated.

5. 2606.10108 — Exploring Exoplanets with Interferometry

  • 作者: Sascha P. Quanz, Bertrand Mennesson, Charles Beichman, Jonah T. Hansen, Felix A. Dannert, Andrea Fortier, Michael Ireland, Nicholas Beltsten, Eleonora Alei, Leonid Pogorelyuk, William O. Balmer, Denis Defr`ere, Gautam Vasisht, Malcolm Fridlund, Romain Laugier, Tiffany Kataria, Eugene Serabyn, Steve Ertel, H\'el`ene Rousseau, Kevin Wagner, Rhonda Morgan, Gerard T. van Belle, Gail H. Schaefer, Jean-Philippe Berger, Taro Matsuo, Ewan Douglas, John D. Monnier, Adrian M. Glauser, Dimitri Mawet, Michael R. Meyer
  • 分类: astro-ph.IM · astro-ph.EP · physics.ins-det
  • 相关性 2/10
  • 评分理由: Instrument design / mission planning paper; no statistical methodology or data-model exposition visible.

6. 2606.10140 — Exploring the Orbital Stability of Large, Lightweight Mirrors around Exoplanets

  • 作者: Shauna M. Sallmen Eric J. Korpela
  • 分类: astro-ph.IM · astro-ph.EP · physics.pop-ph
  • 相关性 1/10
  • 评分理由: Pure orbital dynamics simulation; unrelated to any primary or secondary interest.

7. 2606.10171 — The Case for High-Resolution Infrared Spectroscopy with the Habitable Worlds Observatory

  • 作者: Daniel Jaffe, Gregory Mace, Erica Sawczynec, Ueejeong Jeong, Caroline Morley
  • 分类: astro-ph.IM
  • 相关性 1/10
  • 评分理由: Instrument capability advocacy paper; no statistical content.

8. 2606.10750 — UnReal-B : Real-Space DFT Solver for Matter in Extreme Magnetic Fields

  • 作者: Bhalchandra S. Pujari, Andrey Tokarev, Dipanjan Mitra
  • 分类: astro-ph.IM · cond-mat.mtrl-sci
  • 相关性 1/10
  • 评分理由: Computational physics DFT solver; not statistical computing in the researcher's sense.

9. 2606.10760 — SUPPPPRESS: Prototyping and testing liquid-crystal vector vortex coronagraphs with reduced polarization leakage

  • 作者: Rico Landman, David Doelman, Jeroen Rietjens, Iva Laginja, Pierre Baudoz, Kristien Peeters, Chris van Dijk, Yuki Nishie, Yuta Watanabe, Alexander Eigenraam, Mario Vretenar, Joost van den Born, Rapha\"el Galicher, Johan Mazoyer, Axel Potier, Mariya Krasteva, Matteo Taccola, Felix Bettonvil, Frans Snik
  • 分类: astro-ph.IM · astro-ph.EP
  • 相关性 1/10
  • 评分理由: Coronagraph instrumentation testing; no statistical methodology.

10. 2606.11102 — The Ohio SETI Program -- The Last Decades

  • 作者: Abel M\'endez, Robert S. Dixon, Russell K. Childers
  • 分类: astro-ph.IM · physics.hist-ph · physics.ins-det
  • 相关性 0/10
  • 评分理由: Historical/instrumentational paper about a SETI radio observatory; no statistical methodology, data-analysis problem, or modeling question relevant to the researcher's interests.

Maintained by 陈星宇 · Homepage · Source on GitHub

评论