2026-07-02 每日 arXiv 资讯¶

高相关论文 4 篇 · 中相关 22 篇 · 其他 47 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. 2607.01717 — From Subgroups to Population Composition: A Transportability Approach to Effect Heterogeneity¶

作者: Michael Cheung, Candus Shi, Kara E Rudolph, Valérie Garès, Caroline A Thompson, Tarik Benmarhnia
相关性 8/10 · novelty: application
摘要: 本文提出一种新颖的概念性方法，用于分析暴露效应的异质性，其核心思想是将总体层面的效应表面建模为效应修饰因子分布的函数。方法分为三步：基于先验知识或数据自适应方法选择混杂因素和效应修饰因子；利用可迁移性方法估计在不同效应修饰因子流行率假设人群中的暴露效应；将估计的效应建模为流行率值的函数。该方法输出两类结果：效应修饰因子流行率增加所导致的总体暴露效应变化估计，以及跨多个效应修饰因子和流行率值的效应估计排序，以识别与差异脆弱性最相关的人群特征。作者使用人口与健康调查数据，展示了该方法在干旱对儿童发育迟缓的异质性效应分析中的应用，并提供了Shiny应用程序。该方法为异质性分析提供了一种新的视角，将关注点从预定义的亚组转移到人群组成变化上，但本质上是一种应用导向的方法学框架，而非新的识别或估计理论。
关键技术: transportability, effect modification, g-computation, inverse probability weighting, data-adaptive methods
为什么对您有用: 本文直接关联您的因果推断兴趣，特别是异质性效应和可迁移性（transportability）这一子方向。您武器库中非常熟悉的'因果推断中的估计理论'和'非参数统计'可以直接用于评估该方法在不同识别假设下的稳健性，或开发更高效的估计量（如基于高效影响函数的双稳健估计）。中期可做：若想将该方法从简单的g-computation/IPW扩展到更复杂的设定（如工具变量或纵向数据），需先在'moderately_familiar'的'因果推断中的识别理论'上加强。

2. 2607.01429 — A condition for the identification of multivariate models with binary instruments -- with Corrigendum and Addendum¶

作者: Florian Gunsilius
相关性 8/10 · novelty: new_theory
摘要: 本文研究二元工具变量（binary IV）下多元连续内生变量模型的非参数点识别问题。传统IV方法通常要求工具变量具有大支撑或对未观测异质性施加强限制，本文通过引入第一阶段映射的循环单调性（cyclic monotonicity）——即单变量秩不变假设的多元推广——证明仅凭二元工具即可实现点识别。识别策略依赖于循环单调映射在拟凹函数之间的固定集收敛结果，并给出了可检验的经验条件。Corrigendum部分修正了原引理1的证明，将原基于Brenier映射的论证替换为基于逆Brenier映射（作为多元秩）的论证，从而将适用分布类从拟凹类扩展到光滑非拟凹及多峰密度（紧支撑下），只要关联的秩固定集满足非退化条件。该条件对光滑参数分布族是泛成立的。对您而言，本文在IV识别理论中引入了新的几何工具（循环单调性、Brenier映射），与您因果推断中IV和识别理论的方向直接相关，且其多元秩的思想可能为高维或非参数设定下的敏感性分析提供新视角。
关键技术: cyclic monotonicity, Brenier maps, multivariate ranks, fixed-set convergence, binary instrumental variable, nonparametric point-identification
为什么对您有用: 本文直接关联您primary interest中的IV识别理论，特别是用二元工具突破传统大支撑假设，属于identification theory in causal inference的新进展。您的武器库中very_familiar的nonparametric statistics和estimation theory in causal inference可直接用于理解其循环单调性条件与经验检验的渐近性质；moderately_familiar的identification theory in causal inference可帮助评估该条件在实际应用中的可验证性。中期可做：若想将多元秩方法推广到您的HOIF或higher-order U-statistics框架中，需先在moderately_familiar的semiparametric theory上提升对Brenier映射与最优传输的理解。

数理统计 / 假设检验 (hypothesis_testing, 1 篇)¶

1. 2607.02295 — MATCH: Multiplier-Assisted Tests for Conditional Hypotheses in Non-Euclidean Data¶

作者: Leheng Cai, Xu Guo, Qirui Hu
相关性 8/10 · novelty: new_method
摘要: 本文提出 MATCH 流程，用于在 Fréchet 回归框架下检验非欧几里得数据是否匹配目标模型，涵盖全局显著性、部分显著性及全局 Fréchet 回归的充分性检验。核心挑战在于普通留出损失差在原假设下是一阶退化的：oracle 损失相等，而 plug-in 统计量被 nuisance 估计误差主导。MATCH 通过样本拆分和独立随机乘子作用于留出损失，构造非退化的高斯主导项，无需残差或切空间坐标。进一步开发了交叉拟合检验和重复交叉拟合结合 p 值合并，以改善数据利用和稳定性。建立了渐近零有效性、固定备择下的一致性及局部功效保证。对分布型、对称正定矩阵值及球面响应的模拟支持理论结果，并应用于县级家庭收入分布和北大西洋热带气旋位置数据。
关键技术: Fréchet regression, random multiplier bootstrap, sample splitting, cross-fitting, p-value merging, non-Euclidean data
为什么对您有用: 本文直接关联您的主要兴趣：假设检验与非参数理论。其核心创新——用随机乘子解决退化问题——可视为一种特殊的正交化技巧，与您武器库中‘非参数统计’和‘M-估计理论’高度契合。中期可做：将 MATCH 框架与您熟悉的‘高阶 U-统计量’结合，分析其局部功效的 minimax 最优性，需先在‘高阶 U-统计量理论’上加强。

经济理论 / 应用 (econ_theory, 1 篇)¶

1. 2607.02095 — Granular Instrumental Variables in Large Panels: Identification and Inference Across Strong, Nearly Weak, and Weak GIV¶

作者: Gokul Gopalan Ramachandran
相关性 8/10 · novelty: new_method
摘要: 本文在 N 和 T 均趋于无穷的大面板数据框架下，系统发展了 Granular Instrumental Variables (GIV) 的工具变量强度渐近理论。核心贡献是将“主导单位”概念形式化，并据此刻画了三种工具强度 regime：当少数单位主导总量时，工具强，GIV 估计量以 √T 速率一致且渐近正态；当大单位突出但不主导时，工具变弱但参数仍可恢复，估计量以慢于 √T 的速率一致且渐近正态；当所有单位规模可比时，工具弱，估计量不一致且分布非标准。对于弱工具情形，推荐使用 Anderson-Rubin 置信集。此外，论文证明了第一阶段构造可行估计量不改变收敛速率，但渐近方差会引入额外项，需使用校正标准误。最后，将方法应用于精炼铜、原油和天然气的短期需求弹性估计。对您而言，本文是经济理论方向中 IV 方法在面板数据下的前沿应用，其 instrument strength 的 regime 分类和 inference 建议对您从事的因果推断（特别是 IV 设定）有直接参考价值。
关键技术: Granular Instrumental Variables, weak instrument asymptotics, dominant unit, Anderson-Rubin confidence sets, large panel asymptotics
为什么对您有用: 本文属于经济理论方向的应用因果工作，直接连接您的 secondary interest 中的经济理论（IV 方法）。您的武器库中“estimation theory in causal inference”和“identification theory in causal inference”可用来审视其 instrument strength 分类的严谨性，以及弱工具下 AR 置信集与标准 Wald 推断的对比。中期可做：若想将本文的 GIV 框架与您的 proximal CI 或 mediation 设定结合，需先在“identification theory in causal inference”上进一步熟悉面板数据下的识别假设。

📌 中相关论文（按主题分组）¶

因果推断 (causal_inference, 2 篇)¶

1. 2607.02173 — Conformal Bayes for Two-Sided Censored Gaussian Regression under Label Shift¶

作者: Seungjin Choi
相关性 6/10 · novelty: new_method
摘要: 本文研究标签偏移下双端删失高斯回归的预测问题。在双端删失Tobit模型中，潜在值低于L或高于U被记录为边界值，观测分布是混合型（L和U处有原子，中间为连续密度）。作者将后验预测倾斜与加权共形校准结合，提出共形贝叶斯方法处理混合空间设定。在拉普拉斯后验近似下，倾斜预测分布具有左原子、内部和右原子三部分，归一化因子为闭式。预测集为混合最高密度区域，可组合边界原子与内部区间，强删失时退化为纯原子集。关键技术在于：潜在标签偏移不直接给出观测删失尺度上的普通密度比，潜在指数倾斜诱导边界处尾平均原子权重，内部保持密度比，从而得到混合观测空间校准权重。合成实验表明，加权倾斜共形贝叶斯恢复边际覆盖且集合更小，但存在边际覆盖与分量行为间的权衡。对您有用：本文的混合分布预测集构造与校准权重设计，可迁移至因果推断中删失结局的预测区间或敏感性分析问题。
关键技术: conformal prediction, posterior predictive tilting, weighted conformal calibration, Tobit Gaussian model, label shift, mixed highest density region
为什么对您有用: 本文连接因果推断中删失结局的预测与敏感性分析子方向。武器库中'非参数统计'和'因果推断估计理论'可攻其共形校准与倾斜方法的有限样本性质，'逆问题随机噪声'经验可处理删失机制下的识别挑战。中期可做：需先在 moderately_familiar 的'识别理论'上长肌肉，以将标签偏移假设推广至工具变量或代理变量设定。

2. 2607.01821 — Pattern-Calibrated Multimodal Prediction under Blockwise Missingness¶

作者: Junhan Yu, Kejian Zhang, Doudou Zhou, Guojun Zhu
相关性 5/10 · novelty: new_method
摘要: 本文处理多模态数据中的块状缺失问题，目标是为每个预定义的观测模态模式（即缺失模式）学习一个预测规则，而非简单插补或合并。提出 MOSAIC 框架，通过共享表示和模态特异表示进行跨模式信息借用，同时用目标模式数据校准预测偏差，避免模式间规则混同。方法分为两步：先用与目标模式重叠的可用表示拟合第一阶段预测器，再用目标模式数据估计校准差距。理论部分给出非渐近误差界，将误差分解为重叠有效样本量、校准差距和表示学习误差三项，清晰刻画了跨模式借用何时优于局部拟合。模拟和三个真实应用（ICU 死亡率预测、情绪识别、青光眼分类）验证了方法在目标模式样本有限或模式间规则差异大时的优势。对您而言，该文的校准-借用框架与因果推断中的迁移学习、数据融合问题有直接联系，其误差分解思路可迁移到 proximal CI 或 IV 设定下的跨样本信息借用分析。
关键技术: representation learning, calibration gap decomposition, non-asymptotic error bounds, blockwise missingness, multimodal prediction
为什么对您有用: 连接因果推断中的迁移学习与数据融合子方向：该文提出的跨模式借用+校准框架与因果推断中利用外部样本（如 negative control 或 validation data）进行偏差校正的思路高度相似。武器库中 'estimation theory in causal inference' 和 'nonparametric statistics' 可直接用于分析其校准差距估计量的收敛性，属于立即可做的 follow-up。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)¶

1. 2607.02169 — A note on "The volume of random simplices from elliptical distributions in high dimension"¶

作者: Shan Xizheng, Li Yanpeng
相关性 6/10 · novelty: weaker_assumption
摘要: 本文针对高维椭圆分布下随机单纯形体积的对数极限定理，放松了Gusakova等人(2023)中一个关键的技术条件。原条件要求总体矩阵AA*的Frobenius范数接近单位矩阵的倍数，这排除了spiked模型和依赖结构模型等常见设定。作者将该条件放宽为更合理的谱条件，使得结果能覆盖Toeplitz/AR(1)协方差结构等依赖情形。主要工具包括随机矩阵理论中的谱分析、Marchenko-Pastur律以及高维中心极限定理。理论结果给出了随机单纯形和随机凸体体积的对数正态极限与稳定极限。该工作直接连接您的高维统计与随机矩阵理论兴趣，特别是对协方差结构依赖情形的处理。
关键技术: Marchenko-Pastur law, spectral analysis of random matrices, elliptical distribution, random simplex volume, stable limit theorem
为什么对您有用: 直接关联您的高维统计与随机矩阵理论兴趣，特别是对协方差结构依赖情形的处理。您武器库中'高维渐近理论'和'逆问题'的功底可直接用于理解其谱条件放松的证明策略，并评估其极限定理在spiked模型下的紧性。中期可做：若您想在'随机矩阵理论'上进一步深入，可尝试将本文的谱条件推广到更一般的协方差结构（如因子模型），这需要先在moderately_familiar的'高维渐近理论'中巩固对Marchenko-Pastur律及其推广的掌握。

非参数 / 半参数 (nonparam_semipara, 2 篇)¶

1. 2607.01931 — Transferring supremum-norm rates and weak convergence of covariance kernel estimators to functional principal components¶

作者: Hajo Holzmann, Kevin Wilk
相关性 7/10 · novelty: new_method
摘要: 本文研究协方差核估计量在一致范数下的收敛速率如何传递到函数主成分（FPC）的估计上。在固定同步设计的离散观测模型（含误差）中，作者利用 L2 扰动理论，将协方差核估计量的 sup-norm 收敛速率和连续函数空间中的弱收敛性转移到 FPC 的特征函数和特征值估计。主要理论结果包括：FPC 估计的最优 sup-norm 收敛速率（含极小极大下界）和渐近正态性；发现特征值估计在稀疏设计下存在“离散化主导”的新 regime，这与均值函数和协方差核估计中已知的“稀疏到密集”转变现象类似。方法上，数值实验采用 Nyström 方法计算 FPC 和特征值，并应用于日温度曲线数据。该工作对您可能有用：它连接了非参数统计中的协方差估计与函数型数据分析，其 sup-norm 收敛速率的转移技术可启发您在高维 U-统计量或因果推断中处理核估计的 uniform 性质。
关键技术: L2 perturbation theory, supremum-norm convergence, functional principal components, Nyström method, minimax lower bounds, sparse-to-dense transition
为什么对您有用: 本文直接关联您的非参数与半参数理论兴趣，特别是协方差核估计的 sup-norm 收敛速率转移技术。您武器库中的 minimax bounds for estimation problems 和 nonparametric statistics 可立即用于验证本文声称的最优速率是否紧，或推广到更一般的协方差结构（如长期协方差）。中期可做：若您先熟悉 moderately_familiar 中的 semiparametric theory，可将该转移框架应用于因果推断中 nuisance 函数估计的 uniform 收敛性分析。

2. 2607.01358 — Beyond Degree: Rooted Motif Signatures for Latent Position Identifiability in Graphon Models¶

作者: Roland Boniface Sogan, Tabea Rebafka
相关性 6/10 · novelty: new_method
摘要: 本文针对图模型（graphon）中因非可识别性导致的估计难题，提出了一种超越度数的节点表示方法——根植模体签名（rooted motif signatures）。该方法通过记录每个潜在位置上的根植模体（如三角形、环、路径等局部子图模式）的密度，构建了高阶节点级表示。对于一般的有限秩图模型，作者证明了合适的根植模体签名能够唯一确定潜在位置的连接轮廓，从而解决了度数函数非单调或常数时度数方法失效的问题。在统计方面，论文从单个观测图中定义了经验根植模体签名，并给出了这些估计量的均匀集中界。模拟实验表明，在度数函数非单调或随机块模型块内度数相等的情况下，根植模体签名能够有效揭示潜在结构。该工作为图模型的非参数可识别性提供了新的理论工具，其核心思想——利用高阶局部结构（模体）来区分节点——与您在高阶U统计量（higher-order U-statistics）和网络数据分析中的兴趣高度相关，特别是其集中性证明和模体计数方法可直接迁移。
关键技术: rooted motif signatures, graphon model, non-identifiability, finite-rank graphon, uniform concentration bounds, stochastic block model
为什么对您有用: 本文直接关联您对非参数/半参数理论（graphon的非参数可识别性）和高阶U统计量（模体计数本质上是高阶U统计量）的兴趣。您武器库中'高阶U统计量的计算（treewidth/tensor contraction/einsum）'和'非参数统计'可直接用于分析其模体签名估计量的计算复杂度和集中性质，例如用树宽刻画模体计数的计算成本。中期可做：需先在'moderately_familiar'的'HOIF'上长肌肉，以将模体签名纳入更系统的半参数推断框架。

数理统计 / 假设检验 (hypothesis_testing, 6 篇)¶

1. 2607.02328 — Cross-Audit Projection for Model Risk Prediction¶

作者: Yijian Huang
相关性 7/10 · novelty: new_method
摘要: 本文针对二分类模型的风险预测问题，发现K折交叉验证在估计类别特定风险时可能比经验风险估计更差。通过高阶渐近分析，揭示了K折CV收敛速度更慢，而经验估计存在二阶渐近偏差导致过度乐观。提出交叉审计投影（CAP）两步法：交叉审计步骤采用与K折CV相同的重抽样方案估计子样本中的过度乐观，投影步骤利用渐近理论调整偏差校正中的样本量减少。CAP估计量在一阶渐近等价于经验风险的同时实现二阶渐近无偏，并开发了相应的推断程序。模拟和乳腺癌检测应用验证了CAP的有限样本优势。该工作对您的高阶U统计量理论和非参数统计兴趣有直接关联，其高阶渐近分析框架可迁移至您熟悉的U统计量偏差校正问题。
关键技术: higher-order asymptotic analysis, K-fold cross-validation, bias correction, empirical risk minimization, second-order unbiasedness
为什么对您有用: 本文直接连接您的高阶U统计量理论兴趣，其高阶渐近分析框架与您熟悉的U统计量投影方法高度契合。技术武器库中'higher-order U-statistics (treewidth/tensor contraction/einsum)'可用来分析CAP估计量的计算复杂度，'minimax bounds'可验证其声称的二阶无偏性是否最优。中期可做：需先在'moderately_familiar'的HOIF理论上提升，以将CAP思想推广至更一般的损失函数。

2. 2607.02247 — Aggregation with Exponential Weights is Optimal in Expectation¶

作者: Mikael Møller Høgsgaard, Patrick Rebeschini, Tobias Wegel
相关性 7/10 · novelty: new_theory
摘要: 本文研究模型选择聚合（model selection aggregation）中指数权重聚合（AEW）估计量的期望风险最优性。在平方损失、随机设计、有界损失和Lipschitz连续且强凸的损失函数设定下，目标是最小化期望超额风险。核心贡献是证明了当温度参数T满足(L^2/T)exp(B/T) ≤ μ/2时，AEW的期望超额风险达到T log(M)/(n+1)，无需Bernstein型假设。对于平方损失，当预测和标签取值于[0,b]时，T ≥ 4b^2即足够。这一结果解决了Lecué和Mendelson (2013)提出的公开问题，表明AEW在足够大但恒定的温度下存在尖锐的相变。证明技术涉及经验过程、凸分析和指数权重的精细浓度界。对您而言，该工作属于假设检验与模型选择聚合的经典理论问题，其相变分析和期望风险上界的技术（如温度与损失函数参数的权衡）可迁移到您在高维统计或因果推断中处理模型平均或集成学习时的理论分析。
关键技术: Aggregation with Exponential Weights (AEW), model selection aggregation, excess risk bound, phase transition, convex analysis
为什么对您有用: 该论文直接关联您对假设检验和模型选择的理论兴趣，特别是聚合估计量的最优性。您的技术武器库中'非参数统计'和'高维渐近理论'可直接用于理解其风险界的推导，而'minimax界'可用于验证其声称的最优性是否紧。中期可做：若想将AEW方法扩展到因果推断中的异质处理效应估计，需先在'半参数理论'上加强（当前为moderately_familiar），以处理无界损失或非强凸目标。

3. 2607.02285 — Goodness of Fit Tests Based on Joint Densities of Multiple Sample Statistics¶

作者: Roman Guchenko
相关性 6/10 · novelty: new_method
摘要: 本文提出一类基于多个样本统计量联合分布的拟合优度检验方法，聚焦于参数已知的绝对连续零分布。第一类检验使用次序统计量主成分的超矩形置信集，将早期累积分布函数水平/垂直置信带的工作推广到多元统计量向量；在正态零分布下，第一主成分对应样本均值，第二主成分与方差的线性类似物相关。第二类检验通过最高密度区域构造任意形状的置信集，采用k近邻方法检测高维统计量向量的密度区域，优于传统核密度方法。模拟表明，所提方法在多种备择假设下与经典检验（如Zhang检验）相比具有竞争力且常更有效。文章还讨论了基于次序统计量、经验分布函数值、矩以及经典拟合优度统计量组合的检验，并给出两样本扩展（通过置换检验基于多个统计量的联合分布）。最后，探讨了概率积分变换以外的映射（如映射到标准正态分布）在特定分布下可提升检验功效。对您而言，该文将高维统计量向量的联合分布与检验问题结合，其主成分几何分析和k近邻密度区域方法可能为您的假设检验工具箱提供新视角。
关键技术: principal component analysis of order statistics, k-nearest-neighbor density estimation, highest density regions, simultaneous confidence sets, permutation tests
为什么对您有用: 该文直接关联您的primary interest中的hypothesis testing，特别是拟合优度检验的新构造方法。您武器库中的high-dimensional asymptotics和nonparametric statistics可用于分析其主成分统计量的渐近性质，而moderately_familiar的higher-order U-statistics理论可能帮助推导其检验统计量的高阶近似分布。中期可做：需先熟悉k近邻密度估计在检验中的理论性质（moderately_familiar中暂无此项，但可快速补上）。

4. 2607.01976 — Plausibility: Exact inference in R¶

作者: Stefan Böhringer, Jesse Swen
相关性 5/10 · novelty: application
摘要: 本文介绍 R 包 plausibility，该包基于“可似性”（plausibility）理论框架，在一般参数族中实现精确推断。核心方法不依赖渐近近似，而是通过构造置信分布（confidence distribution）或 p-值函数（p-value function）进行有限样本精确检验。包支持广义线性模型、线性回归等常见回归模型，并扩展至惩罚回归（如 glmnet 估计的 lasso 模型）。实现采用类（S4/S3）机制，便于用户扩展新模型。文中用多个 R 内置数据集演示了包的用法，并讨论了计算实现中的数值问题（如优化、积分）对实际数据分析的影响。对您而言，该包提供了一种不依赖大样本理论的精确推断工具，与您对假设检验的兴趣直接相关，尤其适合小样本或高维惩罚回归后的检验问题。
关键技术: exact inference, confidence distribution, p-value function, penalized regression, R package implementation
为什么对您有用: 该论文直接对应您对假设检验的兴趣，提供了一种不依赖渐近近似的精确推断框架，尤其适用于小样本或高维惩罚回归后的检验问题。您的武器库中 nonparametric statistics 和 high-dimensional asymptotics 可帮助理解其理论性质，但核心方法（置信分布）并非您非常熟悉的工具，属于中期可做：需先在 M-estimation theory 上熟悉置信分布与 p-值函数的构造逻辑，才能评估其与您现有工作的结合点。

5. 2607.01379 — J- and MJ-Type Tests for Non-Nested Parametric Survival Models with a Cure Fraction: A Score Test Approach¶

作者: Cynthia A. V. Tojeiro, Francisco Cribari-Neto, Tatiene C. Souza, Tarciana L. Pereira
相关性 4/10 · novelty: new_method
摘要: 本文针对含治愈分数的参数生存模型，提出了一类非嵌套模型选择检验方法。研究设定中，候选模型仅在基线分布上不同，目标是检验某个特定模型是否为真实数据生成过程。方法的核心是将竞争模型的信息嵌入零假设对数似然，然后使用得分检验判断该额外信息是否冗余，从而避免拟合增广模型。对于两个竞争模型，得分统计量简化为个体对数似然差异样本均值的二次型，其符号平方根与Vuong检验统计量一致。与Vuong检验的三个关键区别在于：检验的是特定模型为真这一零假设、使用无符号统计量可自然推广到M≥2个模型、通过参数自助法估计KL偏差。推广的MJ统计量整合多个J检验，用于检验至少有一个候选模型正确设定的全局零假设，同时提供模型选择准则。该方法对您可能有用：它连接了假设检验（primary interest）中的模型选择问题，且得分检验框架与您熟悉的M估计理论（moderately_familiar）直接相关。
关键技术: score test, Vuong test, Kullback-Leibler divergence, parametric bootstrap, non-nested model selection, cure fraction survival models
为什么对您有用: 本文直接连接您的primary interest中的假设检验方向，具体是模型选择检验（非嵌套情形）。您的technical arsenal中moderately_familiar的M估计理论可直接用于理解得分检验的渐近性质，而very_familiar的非参数统计视角可用于评估该检验对基线分布误设的稳健性。中期可做：若想将方法推广到半参数治愈模型（如Cox比例风险加治愈部分），需先在semiparametric theory（moderately_familiar）上加强，特别是部分线性模型下的得分检验构造。

6. 2606.29998 — Optimal Posterior E-values with Non-Convex Parameter Sets with Applications to Voting Systems¶

作者: Adrienne Tuynman, Timothée Mathieu
相关性 4/10 · novelty: new_method
摘要: 本文在序贯假设检验框架下，利用 e-values 构造后验最优序贯检验方法，目标是在保证统计显著性的前提下尽早停止数据采集。以投票系统（Condorcet、Borda、Schulze）为具体应用场景，首次对 Schulze 投票系统进行统计检验。核心方法贡献是：在多元 Bernoulli 数据、复合零假设和备择假设集合（可能非凸）的一般设定下，给出了计算最优序贯 e-values 的 Frank-Wolfe 算法，该算法能高效计算反向信息投影（Reverse Information Projections），即使 H0 对应非凸参数集。实验部分在模拟和真实数据（法国 2022 总统选举）上展示了方法的功效和样本效率，并与现有方法对比。对您而言，本文的 e-values 框架和序贯检验思路可迁移至因果推断中的敏感性分析或纵向数据中的序贯决策问题，且 Frank-Wolfe 算法处理非凸约束的技巧对您的统计计算兴趣有直接参考价值。
关键技术: e-values, sequential testing, Reverse Information Projection, Frank-Wolfe algorithm, multivariate Bernoulli, non-convex parameter set
为什么对您有用: 本文属于 hypothesis testing 方向，直接对应您的 primary interest 中的数学统计与假设检验。技术层面，e-values 是近年序贯检验的热点工具，其构造涉及反向信息投影，与您 moderately_familiar 的 M-estimation 理论有交叉（投影可视为一种 M-estimator）。Frank-Wolfe 算法处理非凸参数集的方法可迁移至您 very_familiar 的统计计算与软件工具开发。中期可做：需先在 moderately_familiar 的 semiparametric theory 上长肌肉（理解 e-values 在更复杂模型下的渐近性质），然后可尝试将 e-values 引入因果推断的序贯敏感性分析。

统计计算 / 算法 (stat_computing, 2 篇)¶

1. 2607.02101 — Sequential Structure-Sensitive Residual Diagnostics for PDE Inverse Problems¶

作者: Ieva Kazlauskaite
相关性 7/10 · novelty: new_method
摘要: 本文针对 PDE 反问题中模型误设的残差诊断问题，提出了一种基于 e-process 的序贯结构敏感诊断方法。传统残差范数检验（如 Morozov 偏差准则）在平滑反问题中可能失效：结构化模型误差在观测空间被衰减，残差范数虽小但残差模式仍具有相干性，导致误设模型被接受。该方法维护一组空间残差模式专家（spatial residual-pattern experts），在逐观测处理过程中更新其似然比财富（likelihood-ratio wealth），当总财富超过预设阈值时拒绝拟合模型，并提供任意有效的 I 类错误控制。与 Morozov 偏差检验、固定样本残差检验和批量投影检验相比，该方法在三个 PDE 反问题（椭圆扩散、二维 Stokes 流、冰流反演）中展示了更早检测误设的能力。诊断后，专家财富可归因于残差模式字典中的特定模式，为探索性模型修正提供依据。对您而言，本文的 e-process 序贯诊断框架与您统计计算（数值方法）兴趣直接相关，且其残差模式字典的设计思路可迁移至您熟悉的因果推断中敏感性分析或 IV 诊断问题。
关键技术: e-process, sequential hypothesis testing, residual pattern dictionary, likelihood-ratio wealth, PDE inverse problem, anytime-valid inference
为什么对您有用: 本文直接连接您的统计计算（数值方法）兴趣，提出了一种新颖的序贯诊断框架，其 e-process 和残差模式字典设计可迁移至因果推断中的模型诊断（如 IV 的 overidentification 检验或敏感性分析）。您非常熟悉的非参数统计和逆问题工具可直接用于理解其理论，但核心的 e-process 序贯检验机制属于您 moderately_familiar 的假设检验范畴，需先熟悉 e-value 和任意有效推断的文献才能动手改进。中期可做：在 moderately_familiar 的假设检验上长肌肉后，可将该框架适配到因果推断的模型误设诊断中。

2. 2607.01909 — Beyond Laplace: Closed-form wrapped Gaussian posterior approximations on statistical manifolds¶

作者: Marcelo Hartmann, Luu Hoang Phuc Hau, Anton Mallasto, Albert Kjøller Jacobsen, Georgios Arvanitidis, Søren Hauberg et al.
相关性 4/10 · novelty: new_method
摘要: 本文针对贝叶斯统计中后验近似计算效率与灵活性的权衡问题，提出了一种在统计流形上构造封闭形式 wrapped Gaussian 后验近似的方法。传统 Laplace 近似局限于椭圆形状，无法捕捉偏斜、厚尾等复杂后验特征；而基于黎曼几何的 wrapped Gaussian 虽更灵活，但需通过指数映射求解测地线方程、计算对数映射及 Jacobi 场，涉及 Christoffel 符号和曲率张量等昂贵几何量。作者利用对比函数（contrast function）理论，在 Fisher-Rao 度量和先验分布几何下推导了对数映射和指数映射的可处理近似，从而避免了数值求解微分方程和计算上述几何量。该方法在多个模型上的实证结果显示，它能够捕捉复杂的后验几何形态，同时比现有 wrapped Gaussian 方法快数个数量级。对您而言，本文展示了如何用对比函数这一理论工具将几何计算转化为可解析处理的近似，属于统计计算中算法与几何的交叉，与您对统计计算（数值方法）的兴趣直接相关。
关键技术: contrast function, wrapped Gaussian, Fisher-Rao metric, exponential map approximation, logarithmic map approximation, Bayesian posterior approximation
为什么对您有用: 本文属于统计计算（数值方法）方向，直接对应您的 primary interest 中的 'statistical computing (numerical methods, algorithm)'。您武器库中 '非参数统计' 和 '逆问题' 的 minimax 思维可用于分析该近似方法的误差界（对比函数近似 vs 真实几何量的收敛速度），而 '软件工程' 经验可帮助评估其实际计算成本。本文是 gateway reading：它清晰阐述了计算瓶颈（测地线求解、曲率张量）和近似策略（对比函数），武器库足以支撑您理解并可能改进该方法（例如用更高阶的对比函数展开提升精度），值得花时间读全文。

天体统计 (astrostats, 5 篇)¶

1. 2607.01666 — Periodic Radio Technosignature Search toward 3I/ATLAS with FAST¶

作者: Jian-Kang Li, Zhen-Zhao Tao, Tong-Jie Zhang, Men-Quan Liu
相关性 6/10 · novelty: application
摘要: 本文利用 FAST 望远镜 L 波段多波束接收机，对第三个确认的太阳系外天体 3I/ATLAS 进行周期性射电技术信号搜索。核心方法是将多波束动态频谱数据建模为三阶张量（时间×频率×波束），应用规范多元分解（CPD）将其分解为可分离成分，每个成分具有独立的时间、频率和波束特征。随后通过周期图和自相关诊断筛选候选成分，以区分中心波束主导的候选信号与多波束射频干扰。未在 3I/ATLAS 方向探测到功率高于 0.146 W 的可信人工周期性射电技术信号。该工作扩展了对该目标搜索的信号类型范围，并展示了 CPD 作为多波束周期性技术信号搜索框架的潜力。对您而言，这是一篇典型的 astrostatistics 入门级应用论文，数据结构和信号处理流程清晰，适合了解天文学家在 SETI 中如何处理多波束数据与干扰抑制。
关键技术: canonical polyadic decomposition (CPD), multibeam dynamic spectra, periodogram analysis, autocorrelation diagnostics, radio-frequency interference (RFI) mitigation
为什么对您有用: 本文属于 astrostatistics 的 gateway reading：它清晰展示了天文学家如何将多波束射电数据建模为张量并利用 CPD 分解进行信号分离，数据结构和噪声模型（RFI 特性）交代明确，适合作为统计学家进入该领域的入门读物。您的武器库中 'software development' 和 'high-dimensional asymptotics' 可支撑理解 CPD 的数值实现与分解唯一性条件，但核心方法（CPD 的张量分解理论）不在您的 very_familiar 或 moderately_familiar 列表中，属于暂不可做方向。不过，若您对张量分解的统计计算感兴趣，本文可作为轻量级起点，值得花时间读全文以了解天文学中的实际数据挑战。

2. 2607.01923 — \(J\) and \(H\) band sky brightness measurements from polar day to polar night at Dome A, Antarctica¶

作者: Jinji Li, Bin Ma, Haonan Yang, Pu Lin, Zhongnan Dong, Michael C. B. Ashley et al.
相关性 5/10 · novelty: application
摘要: 本文报告了南极Dome A地区从极昼到极夜期间J波段和H波段天空亮度的首次连续测量结果。研究利用南极红外双筒望远镜（AIRBT）在2024年2月至5月获取的固定指向观测数据，分析了中位亮度水平和时间变异性。白天和夜间J/H波段的中位天空亮度分别为5.2/2.9和15.3/13.4 mag arcsec⁻²。黄昏-夜间边界出现在太阳高度角-9.3°（J波段）和-7.4°（H波段）。在相同太阳高度角下，极夜期间的近红外天空背景比常规昼夜交替时期暗约0.1（J）和0.4（H）mag arcsec⁻²。极夜期间H波段夜间天空亮度与太阳黑子数关联更明显，而J波段趋势较弱。这些结果揭示了极地与非极地环境、极夜与常规昼夜循环之间天空背景的系统性差异。作为一篇天文学观测论文，它对统计学家而言是了解南极天文台数据特征和噪声源的入门读物，但方法学贡献有限。
关键技术: sky brightness measurement, near-infrared photometry, time-series analysis, solar elevation modeling
为什么对您有用: 本文属于astrostats方向的入门级读物，清晰描述了南极Dome A天文台的数据采集流程、噪声结构和环境变量（太阳高度角、太阳黑子数）对观测的影响。武器库中的非参数统计和高维渐近工具可用于分析此类时间序列数据的变异性模式，但本文本身不涉及新统计方法。作为gateway reading，它适合快速了解南极红外天文的实际数据挑战，但无需深入精读。

3. 2607.02106 — Development of a cosmic ray detector using CMOS sensors embedded in smartphones and Raspberry Pi devices¶

作者: Wakiko Takano, Shigeharu Udo, Atsushi Shiomi, Kinya Hibino
相关性 4/10 · novelty: application
摘要: 本文介绍 SORAMAME，一款利用智能手机和树莓派内置 CMOS 图像传感器作为宇宙线探测器的应用。传统宇宙线观测需要专用高成本硬件，而该方法通过软件实现实时粒子事件记录与可视化，无需额外硬件。系统包含片上校准、噪声滤波和径迹候选检测，并配合云端数据管理。飞行验证和树莓派测量成功捕捉到与地磁屏蔽一致的粒子通量随高度和纬度的变化。尽管消费级传感器有固有局限，但结果表明降低参与门槛不仅服务于教育，也有潜力通过全球公民科学贡献科学突破。对您而言，这是一篇优秀的入门级天文统计读物，清晰展示了数据采集、噪声过滤和信号检测的统计问题，但方法学新颖性有限。
关键技术: CMOS image sensor, noise filtering, track-candidate detection, citizen science, cloud-based data management
为什么对您有用: 本文属于 astrostatistics 的 gateway reading，适合作为统计学家了解天文数据采集的入门材料。武器库中的非参数统计和噪声逆问题经验可用于分析此类传感器数据的校准与滤波问题。值得花时间读全文，因为其清晰展示了数据结构和噪声模型，但核心方法并非前沿统计技术。

4. 2607.01975 — Pulsar Backend for 21 CentiMeter Array: Implementation of Data Acquisition and Initial Results¶

作者: Yukai Zhou, Junhua Gu, Mengyao Xue, Faxin Shen, Jian Li, Qiuyang Fu et al.
相关性 4/10 · novelty: application
摘要: 本文为21厘米阵列（21CMA）实现了基于RFSoC平台的数据采集后端，覆盖50-350 MHz有效带宽，支持多板同步至采样时钟量级。通过单站观测脉冲星B0329+54验证信号路径完整性，并利用明亮持续射电源（如Cas A、Cyg A）求解多站相位关系。基于相位解，实现了八站相干波束合成观测，2.5小时观测信噪比达699.09，开启了21CMA低频脉冲星相干阵列观测的可能性。本文是典型的工程实现报告，方法学贡献有限，主要价值在于展示了射电天文数据采集与波束合成的实际流程。对您而言，作为天文统计学的入门读物，它清晰呈现了射电数据采集的硬件约束（带宽、同步、相位校准）和信号处理管线（相干波束合成），但未涉及统计推断或建模问题。
关键技术: RFSoC-based data acquisition, coherent beamforming, phase calibration with bright sources, pulsar timing observation
为什么对您有用: 本文属于astrostats的gateway-reading范畴，适合作为射电天文数据采集与信号处理的入门材料。武器库中的'nonparametric statistics'和'high-dimensional asymptotics'无法直接应用于本文的硬件实现问题，但本文清晰展示了射电数据的结构（时间序列、多站相位、带宽限制）和噪声特性，为后续理解脉冲星定时分析或FRB统计建模提供了背景。暂不可做：核心机器不在武器库里，缺射电天文信号处理（如相干消色散、脉冲星模板匹配）的专业知识。

5. 2607.01220 — TIME Commissioning Observations: II. On-sky Characterization and the 2D Map Data Processing Pipeline¶

作者: Benjamin J. Vaughan, Abigail T. Crites, Dongwoo T. Chung, Ryan P. Keenan, James J. Bock, Charles M. Bradford et al.
相关性 4/10 · novelty: application
摘要: 本文介绍TIME（Tomographic Ionized-carbon Mapping Experiment）项目在2022年于Kitt Peak 12米射电望远镜上的试运行观测结果。目标是利用[CII] 158 μm发射线进行线强度映射（LIM），以研究再电离时期的功率谱。文章详细描述了针对Orion分子云和G49.5 HII区域的扫描观测数据处理流程，包括基于行星观测的增益定标和光谱图像处理管线。通过与Bolocam银河平面巡天数据对比，G49.5的定标差异小于3%，验证了仪器性能。文章还评估了仪器稳定性，并指出了未来进行LIM测量需要改进的方向。作为一篇仪器与数据管线的描述性论文，其方法学新颖性有限，但对天文统计学家而言，是了解LIM数据生成过程（包括噪声结构、扫描策略、定标步骤）的入门材料。
关键技术: line intensity mapping, spectral image processing pipeline, gain calibration, raster scan mapping, power spectrum estimation
为什么对您有用: 这是一篇典型的astrostats gateway reading：它清晰展示了LIM数据的生成流程（扫描策略、定标、管线），但没有深入统计建模。武器库中的非参数统计和逆问题经验可用于理解其噪声模型和映射反演，但核心的功率谱估计和前景减除方法本文未涉及，因此暂不可做后续方法改进。值得花时间读全文以建立对LIM数据结构的直觉。

其他 (other, 4 篇)¶

1. 2607.01549 — Continuous-Time Bayesian Networks with Structured Shrinkage Priors for Modelling Multimorbidity Trajectories in Large-Scale Electronic Health Records¶

作者: Oyebayo R. Olaniran, Soumya S. Paria, Mizanur Khondoker, Alexander J. MacGregor, Alexandra Lewin
相关性 6/10 · novelty: application
摘要: 本文提出一种结构化贝叶斯连续时间贝叶斯网络（CTBN）框架，用于从纵向电子健康记录中学习疾病间的有向依赖网络，以建模多病共存（MLTC）的进展轨迹。模型允许疾病转移强度依赖于已有条件、成对疾病交互及外生协变量。为控制交互参数组合爆炸，引入阶数依赖的收缩先验（order-dependent shrinkage priors），对高阶效应施加更强惩罚，同时保留临床可解释的主效应。通过模拟比较 spike-and-slab、structured normal、Bayesian LASSO 和 regularized horseshoe 四种稀疏诱导先验，发现 spike-and-slab 在网络恢复、变量选择和假发现控制上表现最佳。方法应用于 UK Biobank 初级保健记录（33,558 名参与者），识别出两个主导疾病模块：以糖尿病为中心的心血管代谢簇和连接呼吸与特应性疾病的炎症簇。该文主要贡献在贝叶斯建模与医学应用，而非您核心关注的统计推断理论或计算复杂度分析。
关键技术: continuous-time Bayesian networks, spike-and-slab prior, order-dependent shrinkage, structured normal prior, regularized horseshoe prior
为什么对您有用: 本文属于流行病学应用，与您的 secondary interest 中的流行病学（数据集、应用因果工作）相关，但方法学 novelty 有限（主要是贝叶斯先验设计，而非因果推断或高维统计的新理论）。您的武器库中非参数统计和因果推断估计理论可帮助评估其模型假设的合理性，但核心机器（如高阶 U 统计、随机矩阵理论）与此文无直接接口。作为流行病学入门读物，它展示了纵向 EHR 数据的建模挑战，但方法学深度不足以进入 deep-read 列表。

2. 2607.01971 — Moment-Based Selection of Multiresponse Linear Mixed-Effects Models¶

作者: Yifan Chen, Yuedong Wang, Guo Yu
相关性 5/10 · novelty: new_method
摘要: 本文提出 MOMENT 框架，用于多响应线性混合效应模型（multiresponse LMM）中随机效应协方差矩阵和固定效应系数的选择与估计。核心创新在于利用二阶交叉矩恒等式（second-order cross-moment identities）将随机效应选择转化为一个带正定约束的光滑凸优化问题，可通过投影梯度下降高效求解。该方法通过对协方差矩阵对角线施加稀疏性来实现随机效应选择，并建立了有限样本下的选择相合性理论（包括随机效应和固定效应选择相合性），误差假设为 joint sub-Weibull。模拟表明，当响应变量相关时，MOMENT 显著优于分别进行单变量分析的方法。血液透析数据集的应用展示了该方法在多变量纵向数据中的可解释性和灵活性。对您而言，本文的矩方法思路和凸优化转化技巧可能对高维统计或因果推断中的协方差结构学习有启发，但整体与您的主要兴趣方向（因果推断、高维 RMT、U-统计量等）关联较弱。
关键技术: second-order cross-moment identities, projected gradient descent, positive semidefinite constraint, selection consistency, sub-Weibull errors
为什么对您有用: 本文属于混合效应模型的选择方法，与您的主要兴趣（因果推断、高维 RMT、U-统计量）无直接交集。矩方法虽有一定通用性，但缺乏与您技术武器库（如 minimax bound、higher-order U-statistics、semiparametric efficiency）的明确连接。暂不可做：核心问题（多响应 LMM 的随机效应选择）不在您当前研究轨道内，且缺少可迁移的统计计算或因果推断切入点。

3. 2607.01558 — Lancaster copulas¶

作者: Angelo Efoevi Koudou, Yves I. Ngounou Bakam, Denys Pommeret
相关性 5/10 · novelty: new_method
摘要: 本文提出了一类新的 copula 族——Lancaster copulas，其构造基于连续 Lancaster 概率的正交展开。作者给出了 copula 及其密度的无穷级数表示，并研究了截断近似对精度的影响。数值实验表明，低阶截断即可获得良好的近似效果。该工作属于多元依赖建模领域，与您的主要研究方向（因果推断、高维统计、半参理论等）无直接交集。
关键技术: orthogonal expansion, Lancaster probabilities, copula density approximation, truncation effects
为什么对您有用: 本文属于多元依赖建模的纯方法研究，与您的主要兴趣方向（因果推断、高维统计、半参理论等）无直接交集。您的技术武器库中非参数统计和 minimax 界可用来分析截断近似的误差，但核心问题（copula 构造）与您当前研究路线距离较远，暂不可做。

4. 2606.30994 — Hybrid principal component analysis in multivariate allometric regression¶

作者: Koji Tsukuda, Shun Matsuura
相关性 5/10 · novelty: application
摘要: 本文研究多变量异速回归模型中的混合主成分分析（HPCA）估计量。在异速数据中，最大特征值通常占主导地位，而小特征值之间的间隙往往很窄，导致对应特征向量的统计量不稳定。作者推导了HPCA估计的领先主特征向量的渐近正态性，并基于几何统计量提出了一个检验回归方向与主成分方向平行性的方法，以避免小特征值不稳定问题。该方法在已知的 painted turtle carapace 数据上验证了先前关于雌雄龟异速扩展关系的结论。理论工具包括特征值扰动分析和渐近展开。
关键技术: Hybrid principal component analysis, Multivariate allometric regression, Asymptotic normality, Geometric statistic, Eigenvalue perturbation
为什么对您有用: 本文属于多元统计与生物应用交叉，与您的主要兴趣（高维统计、假设检验）有弱关联，但核心方法（HPCA）和渐近理论并非您武器库中的直接工具。作为 gateway reading，本文对异速数据中特征值问题的处理可提供生物学应用背景，但方法学新颖性有限，暂不可做后续工作。

🗂 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. 2607.02027 — Grouped Orthogonal Arrays from Orthogonal Arrays and Difference Schemes¶

作者: Meixin Liu, Chunyan Wang, Guangzhou Chen, C. Devon Lin
相关性 3/10
评分理由: Tangential to primary interests; experimental design is not a focus, and no clear connection to causal inference, high-dim stats, or U-statistics.

2. 2607.00722 — How does academic performance affect self-efficacy? Interpretable modelling through latent academic achievement¶

作者: Sarah Lee, Matias Quiroz, Sally Cripps
相关性 3/10
评分理由: Applied Bayesian modeling in education/psychology, unrelated to primary or secondary interests.

3. 2606.29524 — Modelling and detecting mild and gross anomalies in circular data via double-contaminated models¶

作者: Antonio Punzo, Andriëtte Bekker, Arno Otto, Priyanka Nagar, Cristina Tortora
相关性 3/10
评分理由: Circular data and robust mixture models are outside the researcher's primary interests and technical arsenal.

4. 2607.02243 — Design and development of a near-IR integral field spectrograph for the HWO Coronagraph Instrument¶

作者: Stephen P. Todd, Dan Dicken, Raziye Artan, Beth A. Biller, Cassandra Mercury, Katherine Morris et al.
相关性 3/10
评分理由: Instrument design paper with no statistical methodology or data analysis; unrelated to primary or secondary interests.

5. 2607.02223 — HARMONI at ELT: line spread functions in a diffraction limited spectrometer¶

作者: Stephen P. Todd, Éamonn J. Harvey, Anna MacIver, William Taylor, Eduard Muslimov, Kjetil Dohlen et al.
相关性 3/10
评分理由: Spectrometer line spread function paper; purely instrumental optics, no statistical content.

6. 2607.02065 — Quantum-optimal coronagraphy with spatial mode sorting for direct exoplanet observations¶

作者: Yinzi Xin, Sebastiaan Haffert, Yoo Jung Kim, Jonathan Lin
相关性 3/10
评分理由: Quantum-optimal coronagraphy; theoretical optics, no statistical or data-analysis component.

7. 2607.01968 — Current status of the High-Resolution Multi-Object Spectrograph (MOS-HR) for the Wide-field Spectroscopic Telescope¶

作者: Andrea Tozzi, Anna Brucalassi, Matteo Munari, Simone D'Auria, Andrea Bianco, Giorgio Pariani et al.
相关性 3/10
评分理由: Spectrograph instrument design; no statistical or data-analysis content.

8. 2607.00268 — Nautilus Space Observatory: Unveiling the Diversity and Origin of Sub-Neptunes with the Nautilus Space Observatory¶

作者: Luis Welbanks, Kylie E. Hall, Julien de Wit, Ana Glidden, Noah Tuchow, Ilaria Pascucci et al.
相关性 3/10
评分理由: Astronomy population study of exoplanets; lacks clear data/model exposition for astrostatistics gateway reading.

9. 2607.00217 — The Rubin Observatory Target-of-Opportunity System in the First Year of Operations¶

作者: Sean Patrick MacBride, R. Lynne Jones, Peter Yoachim, Tiago Ribeiro, Leanne P. Guy, Shreya Anand et al.
相关性 3/10
评分理由: Observatory operations system description; no statistical or methodological content for the researcher.

10. 2606.31826 — In Situ Measurements of the Reflectances of the LSSTCam Optics and Assessing the Impact of Optical Ghosts¶

作者: Aashay Pai, Alex Drlica-Wagner, Lee S. Kelvin, Joshua E. Meyers, Elana K. Urbach, Fritz Mueller et al.
相关性 3/10
评分理由: Optical ghost measurement with ray tracing; touches on data contamination but no statistical methodology.

11. 2606.31822 — Early Telescope Throughput Results from the Collimated Beam Projector at the Vera C. Rubin Observatory¶

作者: Nathan Amouroux, Parker Fagrelius, Thibault Guillemin, Fritz Mueller, Jérémy Neveu, Eli Rykoff et al.
相关性 3/10
评分理由: Photometric calibration using a collimated beam projector; relevant to astrostatistics gateway but lacks clear data/model exposition for outsiders.

12. 2606.31806 — The On-Sky Performance of the LSST Camera CCD Array¶

作者: Sean Patrick MacBride, Aaron Roodman, Stuart Marshall, Yousuke Utsumi, Kevin Fanning, John Banovetz et al.
相关性 3/10
评分理由: CCD performance characterization; touches on data quality but no statistical analysis or methodology.

13. 2606.31778 — Setting requirements on out-of-band rejection for next-generation CMB experiments. Application to the LiteBIRD instrument¶

作者: L. Mousset, L. Montier, J. Aumont, F. Columbro, P. de Bernardis, J. Errard et al.
相关性 3/10
评分理由: CMB实验仪器要求设定，涉及建模但无统计方法论或数据问题阐述。

14. 2606.31418 — On the choice of using raw or demographically-corrected scores¶

作者: Ignacio Gonzalez-Perez, Mats Julius Stensrud, Marco Piccininni
相关性 2/10
评分理由: Focuses on demographic corrections in cognitive testing, unrelated to the researcher's interests.

15. 2607.00214 — A Short Review of Estimators for the GLM predictive of Laplace Bayesian Neural Networks¶

作者: Romie Banerjee
相关性 2/10
评分理由: Bayesian neural networks and Laplace approximations are far from the researcher's primary interests in causal inference, high-dimensional statistics, and nonparametric theory.

16. 2607.01659 — Development of a Retrieval-Augmented Generation Virtual Assistant for Enhanced Information Discovery at Rubin Observatory¶

作者: Leanne P. Guy, Connor Yablonski, Aaron M. Meisner, Guillem Megias Homar, Merlin Fisher-Levine, Eman E. Ali et al.
相关性 2/10
评分理由: 纯天文仪器/软件工程论文，无统计方法或因果推断内容，与研究者兴趣无关。

17. 2607.01596 — Efficient high-order explicit symplectic splitting methods for post-Newtonian Hamiltonian systems¶

作者: Yujie Jiang, Lijie Mei
相关性 2/10
评分理由: 数值哈密顿系统辛积分器论文，与统计或因果推断无关。

18. 2607.01325 — TEQUILA: Mechanism-free polarimetry for astronomy¶

作者: Alan M. Watson, Noémie Globus
相关性 2/10
评分理由: 天文偏振仪器论文，无统计方法或数据建模内容，与兴趣无关。

19. 2607.01045 — Studying Ionosphere Using SKA-Low and SKA-Mid¶

作者: Abhirup Datta, Samit Kumar Pal, Sarvesh Mangla, Bhuvnesh Brawar, Sumanjit Chakraborty, Sudipta Sasmal et al.
相关性 2/10
评分理由: Pure astronomy/ionosphere study with no statistical methodology or data analysis exposition relevant to researcher's interests.

20. 2607.00925 — The "dark dips" phenomenon in the LSST Camera on-sky images¶

作者: Claire Juramy, Pierre Antilogus, Pierre Astier, John Banovetz, Sean Patrick MacBride, Andrew P. Rasmussen et al.
相关性 2/10
评分理由: Instrumentation paper about CCD artifacts; no statistical or methodological content for the researcher.

21. 2607.00265 — The Simons Observatory: Overview of the Cryogenic Half-wave Plate Polarization Modulators¶

作者: Junna Sugiyama, Kyohei Yamada, Bryce Bixler, Daichi Sasaki, Yuki Sakurai, Kam Arnold et al.
相关性 2/10
评分理由: CMB instrument hardware paper; no statistical methodology or data analysis exposition.

22. 2606.31945 — An overview of stray light findings and interpretation during on-sky commissioning of LSSTCam¶

作者: Gabriele Rodeghiero, Alex Drlica-Wagner, Alessio Taranto, Luca Rosignoli, Hannah Pollek, Aashay Pai et al.
相关性 2/10
评分理由: Pure astronomy instrumentation paper about stray light; no statistical methodology or data analysis problem.

23. 2606.31939 — Investigation and Mitigation of a Prominent Off-Axis Stray Light Path in Rubin Observatory Commissioning¶

作者: Alex Drlica-Wagner, Alessio Taranto, Gabriele Rodeghiero, Joshua E. Meyers, John Andrew, Douglas R. Neill et al.
相关性 2/10
评分理由: Engineering report on stray light mitigation; no statistical content or data analysis.

24. 2606.31898 — Mechanical Studies of an Additional Light Baffle for the LSST Camera¶

作者: Hannah Mary Margaret Pollek, Gabriele Rodeghiero, John Andrew, Alex Drlica-Wagner, Alessio Taranto, Luca Rosignoli et al.
相关性 2/10
评分理由: Mechanical engineering study of a light baffle; unrelated to statistics or causal inference.

25. 2606.31849 — Determining stress-based bending mode limits for the Vera C. Rubin Observatory M1M3 active mirror system¶

作者: Malhar Sonaniskar, Douglas Neill, Ellie Hileman, Petr Kubánek
相关性 2/10
评分理由: Stress estimation for telescope mirror using RSS; purely mechanical engineering, no statistics.

26. 2606.31793 — Modeling of the diffuse background produced by the Vera C. Rubin Observatory M2 baffle scattered light¶

作者: Alessio Taranto, Gabriele Rodeghiero, Luca Rosignoli, Aashay Pai, Alex Drlica Wagner, Elana K. Urbach et al.
相关性 2/10
评分理由: 天文仪器杂散光建模，无统计方法论或数据问题阐述。

27. 2606.31792 — Laser-based metrology systems vs wavefront sensing techniques: a comparative overview between the Large Binocular Telescope and the Vera C. Rubin Observatory for the telescope alignment and collimation tracking¶

作者: Luca Rosignoli, Gabriele Rodeghiero, Sandrine J. Thomas, Guillem Megias Homar, Heejoo Choi, John Hill et al.
相关性 2/10
评分理由: 望远镜对准技术比较，纯光学工程，无统计内容。

28. 2606.31336 — Combining a Diffraction-Limited Coronagraph with Fiber Nulling: A Demonstration of Serially Coupling Different Nullers¶

作者: Satoshi Itoh, Taro Matsuo, Reiki Kojima, Motohide Tamura, Takahiro Sumi, Oliver Guyon
相关性 2/10
评分理由: 高对比度成像光学实验，无统计内容。

29. 2606.30867 — SHARPing accretion and outflows in young stellar objects in star forming regions of the outer Galaxy and beyond¶

作者: Juan Manuel Alcala', Alessio Caratti o Garatti, Linda Podio, Mario Giuseppe Guarcello, Loredana Prisinzano, Rosaria Bonito et al.
相关性 2/10
评分理由: 年轻恒星天体物理科学案例，无统计方法论或数据问题阐述。

30. 2606.30721 — SHARP -- A spectrograph proposal to fully exploit ELT capabilities and look beyond JWST¶

作者: P. Saracco, P. Conconi, C. Arcidiacono, H. Mahmoodzadeh, I. Di Antonio, E. Portaluri et al.
相关性 2/10
评分理由: Pure astrophysics instrument proposal with no data/model exposition or statistical methodology, irrelevant to primary or secondary interests.

31. 2607.01905 — Measuring Opportunity Cost with Stock Lifetime Value¶

作者: Geoffrey Decrouez, Tobias Huelden, Paresh Nakhe, Dominik Prugger
相关性 1/10
评分理由: 电商A/B测试应用，无统计方法论贡献

32. 2606.29756 — Modeling Mode and Departure Time Responses to Congestion Pricing: A Spatial and Behavioral Analysis Using Cross-Nested Logit Model¶

作者: Mohammad Amin Ashena, Adam Weiss, Jason Hawkins, Lina Kattan
相关性 1/10
评分理由: 交通行为离散选择模型，应用性弱且无统计方法论

33. 2607.01625 — Architecture and Validation of the CRS F-Engine for the CHORD Radio Telescope¶

作者: Ian Hendricksen, Jean-François Cliche, Matt Dobbs, Joshua Montgomery
相关性 1/10
评分理由: 射电望远镜硬件工程论文，无统计或因果推断内容，完全无关。

34. 2607.01150 — WST, the wide-field spectroscopic telescope: progress on the design of the instruments¶

作者: David Lee, Joel Vernet, Elizabeth George, Omar Sqalli, Olaf Iwert, Alessandro Meoli et al.
相关性 1/10
评分理由: 望远镜仪器设计进展报告，无统计内容，完全无关。

35. 2607.01134 — WST, the Wide-field Spectroscopic Telescope: Telescope structure FE analyses¶

作者: Simone D'Auria, Vincenzo Cianniello, Ciro Del Vecchio, Vincenzo De Caprio, Philippe Dierickx, Gaston Gausachs et al.
相关性 1/10
评分理由: 望远镜结构有限元分析工程论文，无统计内容，完全无关。

36. 2607.01132 — WST, the Wide-field Spectroscopic Telescope: Mechanical Design and FE Analyses for the High Resolution Spectrograph¶

作者: Simone D'Auria, Andrea Tozzi, Anna Brucalassi, Matteo Munari, Ciro Del Vecchio, Maria Sofia Randich et al.
相关性 1/10
评分理由: 望远镜光谱仪机械设计论文，无统计内容，完全无关。

37. 2607.00759 — A First-Order Assessment of Permanent Magnet Deflection for Space Radiation Protection¶

作者: Valerio Parisi, Roberto Capuzzo Dolcetta, Fabrizio Frezza, Luca Lunati
相关性 1/10
评分理由: Space radiation protection feasibility study; completely unrelated to statistics or causal inference.

38. 2607.00163 — Rubin M1M3 Dynamic performance : stability and actuation during operations¶

作者: HyeYun Park, Petr Kubánek, Kshitija Kelkar, Ignacio Sevilla-Noarbe, Andrea Jeremie, Brian Stalder et al.
相关性 1/10
评分理由: Mirror system engineering test; completely unrelated to statistics or causal inference.

39. 2606.31995 — The filter exchange system of the LSSTCam at the Vera C. Rubin Observatory¶

作者: Alexandre Boucaud, Pierre Antilogus, Éric Aubourg, Antoine Bernard, Johan Bregeon, Patrick Breugnon et al.
相关性 1/10
评分理由: Filter exchange system engineering; completely unrelated to statistics or causal inference.

40. 2606.31816 — Design and Performance of the Carruthers Geocoronal Imager¶

作者: Martin Sirk, Alex M. Zhang, Thomas J. Immel, Jason B. McPhate, William W. Craig, Cathy Chou et al.
相关性 1/10
评分理由: Space instrument design for UV imaging; completely unrelated to statistics.

41. 2606.31795 — Test Management and Coordination During the Vera C. Rubin Observatory Commissioning and Early Operations Using Zephyr Scale¶

作者: Bruno Quint, Tiago Ribeiro, Erik Dennihy, Brian Stalder, David Sanmartim, Keith Bechtol
相关性 1/10
评分理由: 纯工程管理工具介绍，与统计研究无关。

42. 2606.31727 — Focal Plate Prototyping for Modular Focal Planes of Stage-5 Instruments For Ground-Based Telescopes¶

作者: Maxime Rombach, Jean-David Perriard, Laurent Chevalley, Diane Chapuis, Markus Thurneysen, Jean-Paul Kneib
相关性 1/10
评分理由: 望远镜焦面板机械设计，与统计研究无关。

43. 2606.30897 — SAOImageDS9: An Essential Tool for Astronomical Exploration¶

作者: Antonella Fruscione, Kenny Glotfelty, William Joye, Jonathan McDowell
相关性 1/10
评分理由: 天文可视化软件介绍，与统计研究无关。

44. 2606.29923 — Revisiting "A universal model for the Lorenz curve with novel applications''¶

作者: José María Sarabia, Vanesa Jordá, Mercedes Tejería, Emilio Gómez-Déniz
相关性 0/10
评分理由: 纯经济学应用，与统计兴趣无关

45. 2607.01377 — Liquidity Premium and Investment Horizons¶

作者: Irene Aldridge
相关性 0/10
评分理由: 金融实证，与统计兴趣无关

46. 2606.31935 — Delegation Rights: Property, Agency, and Investment Incentives in the Age of AI Agents¶

作者: Yukun Zhang, Kemu Xu
相关性 0/10
评分理由: AI代理经济学模型，与统计兴趣无关

47. 2606.29145 — Why Do We Need Travel Behavior Theory in the Age of AI? Multiple Goal Pursuit as an Illustrative Theory¶

作者: Jason Hawkins, Omid Armantalab
相关性 0/10
评分理由: 交通行为理论讨论，与统计兴趣无关

Maintained by 陈星宇 · Homepage · Source on GitHub