跳转至

2026-08-07 每日 arXiv 资讯

  • 高相关论文 4 篇 · 中相关 24 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, 4 篇)

1. 2608.04202 — Regression-Based Proximal Reconciliation of Conflicting Trials with Unmeasured Effect Modifiers

  • 作者: Daniel A Xu, Eric J Tchetgen Tchetgen, Enrique F Schisterman, Sean C Blackwell, Ellen C Caniglia
  • 分类: stat.ME · stat.AP
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对具有相似方案但结果冲突的随机对照试验，提出一个因果推断框架来评估条件性和边际性可调和性（reconcilability）。在存在未测量效应修饰因子的情况下，作者利用负对照代理变量（proxy variables）来刻画这些未测量因子，并在参数结构模型下开发了基于回归的条件可调和性检验。为评估边际可调和性，作者扩展了现有的可运输性（transportability）方法，并引入等价性检验框架以及调和比例（reconciliation proportion）来量化边际调和程度。方法应用于两个关于17-α-羟孕酮己酸酯预防早产的冲突试验（Meis 和 PROLONG），结果表明以宫颈长度等代理变量捕获的未测量效应修饰因子不足以在边际上调和两个试验。该工作为证据综合和监管决策提供了形式化工具，直接连接您的 proximal causal inference 兴趣方向。
  • 关键技术: proximal causal inference, negative control variables, transportability, equivalence testing, parametric structural models, reconciliation proportion
  • 为什么对您有用: 本文直接切入您 primary interest 中的 proximal causal inference 子方向，利用负对照代理变量处理未测量效应修饰因子，是 proximal 框架在试验调和这一新场景的拓展。您 very_familiar 中的非参数统计和因果推断估计理论可直接用于检验其参数假设的稳健性，或开发半参数版本以放松模型假设。中期可做：若想将检验推广到非参数或高维设定，需先在 moderately_familiar 的 identification theory 上进一步积累。

2. 2608.04414 — Best for which estimand? A known-truth benchmark of longitudinal-matching and target-trial-emulation methods for time-varying treatments

  • 作者: M. Ehsan Karim
  • 分类: stat.ME · stat.AP
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对非可加生存机制下时变处理的纵向匹配与目标试验模拟方法，指出这些方法并非竞争同一真实值的估计量，而是回答不同因果问题，因此用单一“真实风险比”作为基准会人为制造偏倚。作者在已知真相的连续时间Cox机制上，比较了序贯Cox、序贯分层、风险集匹配和IPTW边际结构模型等主流方法，它们分别估计边际、条件、ATT、ITT和PP等数值不同的因果估计量。量化结果显示，若强行用共享边际真相评估，匹配估计量会产生0.32-0.33 log累积风险比单位的“幻影偏倚”，条件方法为0.15，而朴素时变Cox则偏离0.76。进一步发现方法排名随目标估计量翻转，低方差但偏离目标的估计量可能在MSE上胜出；聚类稳健sandwich对试验堆叠估计量覆盖接近名义水平（0.90），但对匹配估计量覆盖不足（0.77-0.82），而预设n=500的bootstrap子研究可将覆盖提升至0.95-0.96。模型敏感性分析显示遗漏混杂因子会引入0.45-0.50的偏倚并导致覆盖不足，ITT与PP效应随切换增加而发散。本文对您的主要兴趣——因果推断中时变处理的识别与估计——有直接参考价值，尤其提醒在纵向设定下选择估计量时必须明确目标估计量，否则基准比较可能误导结论。
  • 关键技术: target trial emulation, longitudinal matching, non-collapsibility, Cox proportional hazards model, inverse probability of treatment weighting, cluster-robust sandwich variance
  • 为什么对您有用: 本文直接关联您的主要兴趣——因果推断中的纵向设定与敏感性分析，具体涉及时变处理下不同估计量（序贯Cox、IPTW MSM、匹配）的目标估计量差异。您武器库中'估计理论在因果推断中的应用'（very_familiar）可直接用于理解其偏倚量化框架，而'识别理论'（moderately_familiar）可用于评估其非可加性假设下的估计量选择。中期可做：若想进一步拓展，需在'HOIF'（moderately_familiar）上长肌肉，以处理更复杂的纵向因果结构。

3. 2608.04909 — A Design-Based Minimax Theory for Network Experiments

  • 作者: Vardis Kandiros, Christopher Harshaw, Fredrik S\"avje
  • 分类: math.ST · stat.ME · stat.TH
  • 相关性 8/10 · novelty: new_theory
  • 摘要: 本文在任意邻域干扰模型下，为网络实验建立了基于设计（design-based）的极小化极大风险理论。目标 estimand 是直接处理效应或全局平均处理效应，关键设定是干扰结构由观测到的网络邻域定义，且潜在结果在给定网络下存在不可观测性。核心贡献是将极小化极大风险刻画为冲突图（conflict graph）的函数，该图捕捉了 estimand 相关潜在结果因干扰而不可观测的程度。作者通过冲突图的局部和全局连通性性质，导出了一系列极小化极大率的上下界，并证明了这些界在常见效应下是紧的。技术工具包括图论中的独立集、顶点覆盖和匹配等组合结构，以及设计-based 的方差分解。对您而言，本文是因果推断中网络干扰设定下 minimax 理论的前沿进展，直接连接 primary interest 中的因果推断和 minimax bounds，且其冲突图视角可能为更高阶 U-统计量在干扰网络中的计算复杂度分析提供新入口（武器库中的 treewidth / tensor contraction 可尝试刻画冲突图的树宽与 minimax 率的关系）。
  • 关键技术: minimax risk, conflict graph, neighborhood interference model, design-based inference, graph connectivity bounds
  • 为什么对您有用: 直接连接 primary interest 中的因果推断（网络干扰下的 minimax 理论）和 minimax bounds（武器库 very_familiar 项）。冲突图的树宽可能与更高阶 U-统计量的计算成本（treewidth / tensor contraction）有深层联系——中期可做：需先在 moderately_familiar 的 HOIF 或更高阶 U-统计量理论上长肌肉，以将冲突图结构转化为 estimator 的方差或计算复杂度界。

4. 2608.04909 — A Design-Based Minimax Theory for Network Experiments

  • 作者: Vardis Kandiros, Christopher Harshaw, Fredrik S\"avje
  • 分类: math.ST · stat.ME · stat.TH
  • 相关性 8/10 · novelty: new_theory
  • 摘要: 本文在任意邻域干扰模型下，为网络实验建立了基于设计的极小极大风险理论。目标是在给定干扰网络结构时，刻画因果效应估计量的最优精度极限。核心贡献是将极小极大风险与冲突图（conflict graph）联系起来，该图捕捉了在观测网络下潜在结果不可观测性的结构。作者通过冲突图的局部和全局连通性性质，导出了一系列极小极大率的上界和下界。这些界通过图论量（如最大独立集、顶点覆盖数）显式表达，揭示了估计难度与网络拓扑的定量关系。作为应用，文章给出了直接处理效应和全局平均处理效应的具体极小极大分析。对您而言，该工作将经典极小极大下界技术（您熟悉的工具）拓展到网络干扰这一因果推断前沿设定，其冲突图视角可能为后续设计自适应实验或构造最优估计量提供理论基准。
  • 关键技术: minimax lower bound, conflict graph, neighborhood interference model, design-based inference, graph connectivity
  • 为什么对您有用: 直接连接 primary interest 中的因果推断（网络干扰下的 identification 与 estimation）。您可以用 very_familiar 的 minimax bounds 技术验证本文给出的率是否紧，或尝试将冲突图视角推广到更复杂的 estimand（如 spillover effects）。中期可做：若需处理更一般的干扰结构（如连续干扰），需先在 moderately_familiar 的 identification theory 上长肌肉。

📌 中相关论文（按主题分组）

因果推断 (causal_inference, 3 篇)

1. 2608.05135 — Micro-randomized Trials with Categorical Treatments and Binary Proximal Outcome: Causal Effect Estimation and Sample Size Calculation

  • 作者: Jeremy Lin, Tianchen Qian
  • 分类: stat.ME
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文针对移动健康（mHealth）微随机试验（MRT）中处理变量为多类别（如不同消息内容）且近端结局为二值（如是否打开app）的设定，定义了因果瞬时效应（causal excursion effect）。提出了一种名为EMEE-catA的估计量，该估计量基于边际结构模型和加权最小二乘，利用时间点内的逆概率加权处理时变混杂。推导了用于比较不同类别处理水平间效应的样本量公式，该公式在working假设下控制I类错误并保证功效，并通过模拟评估了对假设偏离的稳健性。最后用Drink Less MRT数据进行了实例分析。对您而言，本文是纵向因果推断中处理多类别变量和二值结局的实用方法，与您primary interest中的纵向因果推断和MRT设计直接相关。
  • 关键技术: causal excursion effect, marginal structural model, inverse probability weighting, sample size formula for MRT, binary proximal outcome
  • 为什么对您有用: 本文直接对应您primary interest中的纵向因果推断（MRT设计），且处理多类别处理变量和二值结局是实际应用中常见但文献较少覆盖的场景。您的very_familiar工具（estimation theory in causal inference）可直接用于理解其估计量的渐近性质，而moderately_familiar的identification theory可帮助评估其因果假设的合理性。中期可做：若想扩展至更复杂的处理策略（如连续型或高维处理），需先在moderately_familiar的semiparametric theory上加强。

2. 2608.04839 — Exact Inference in Fixed-Effect Regressions with Concentrated Identifying Variation

  • 作者: Stanis{\l}aw M. S. Halkiewicz
  • 分类: econ.EM
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究饱和固定效应回归中的精确推断问题，目标是在固定效应维度不受限、误差可任意异方差且对称的设定下，对处理效应进行有限样本精确推断。核心发现是：传统高斯推断依赖于残差化处理的集中识别变异（self-normalized leverage λ_n），当得分权重有限持久时，t-统计量收敛为原始误差与高斯分量的卷积；在完全集中时，零分布随对称误差律变化，无固定临界值可统一有效。作者转而从设计矩阵构造消去固定效应的对比向量（nuisance-annihilating contrasts），这些对比在有限样本下给出精确的符号翻转推断（sign-flip inference），无需同方差或固定效应维度假设。在双向设计中，可行对比构成观测多重图的循环空间，其效率由可观测的捕获比 κ 概括，该比率等于 Pitman 效率。设计问题涉及捕获-粒度权衡：粗支撑最大化捕获但减少随机化符号数，循环打包可提供足够粒度的支撑。在雇主-雇员匹配数据上，利用结构信息的算法达到 κ≈0.51（朴素打包仅 0.26）；在 Grunfeld 投资回归中，得分集中度为 0.739（N_eff^score=1.80），32 个有效支撑达到 κ=0.627，精确 95% 置信区间为 [0.150,0.450]。对您而言，本文的符号翻转推断与对比构造策略可直接应用于您 causal inference 中 IV 或纵向设定下的有限样本推断问题，其设计-效率权衡分析也与您熟悉的 minimax 视角相通。
  • 关键技术: sign-flip inference, nuisance-annihilating contrasts, cycle space of observation multigraph, capture ratio κ (Pitman efficiency), self-normalized leverage λ_n, fixed-effect saturated regression
  • 为什么对您有用: 本文直接连接您 primary interest 中的 causal inference（固定效应模型下的处理效应推断）和 hypothesis testing（有限样本精确检验）。技术武器库中 very_familiar 的 minimax bounds 和 estimation theory in causal inference 可用于分析其 capture ratio κ 的最优性（是否达到设计问题的信息下界），而 moderately_familiar 的 identification theory 可帮助理解其对比构造在更复杂设定（如 IV、纵向）中的推广。中期可做：需先在 moderately_familiar 的 semiparametric theory 上长肌肉（具体为 influence function 与对比向量的联系），才能将本文的精确推断框架推广到半参数模型。

3. 2608.04254 — When Is a Conformal Guarantee Fair? Auditing Silent Subgroup Under-Coverage in Alzheimer's Disease Longitudinal Prediction

  • 作者: Lujia Zhong, Xinkai Wang, Shuo Huang, Yonggang Shi
  • 分类: stat.ME · stat.ML
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文关注阿尔茨海默病纵向预测中，共形预测（conformal prediction）的群体级覆盖保证是否在临床重要子组中公平。标准共形预测仅保证边际覆盖，可能掩盖高风险子组的严重欠覆盖。作者提出一个机制驱动的审计与修复框架，在ADNI和OASIS-3两个队列、两个基预测器和九个属性（遗传风险、人口学、临床严重度）上，发现68个组合中有57个高风险子组欠覆盖。欠覆盖归因于两种机制：(A) 稀有性——子组样本量n导致覆盖至多k/(n+1)；(B) 厚尾性——群体带对厚尾子组过窄，增加数据也无法弥补。针对每种机制提出共形修正：交叉共形池化（稀有性）、子组校准（厚尾性）、以及两者兼有时的覆盖安全边际下限。修正后几乎所有高风险子组的覆盖恢复到目标水平。该工作对您有用：它连接了因果推断中的公平性审计与敏感性分析思路，且其机制分解方法可迁移至您熟悉的非参数统计和估计理论框架下进行理论分析。
  • 关键技术: conformal prediction, subgroup coverage auditing, cross-conformal pooling, per-subgroup calibration, mechanism-driven fairness framework
  • 为什么对您有用: 本文直接关联您primary interest中的因果推断公平性审计与敏感性分析。您的very_familiar武器库中的非参数统计和minimax bound可用于分析其稀有性机制下的覆盖界是否紧；moderately_familiar的HOIF理论或可为其子组校准提供更高阶的修正。中期可做：需先在HOIF上长肌肉以处理其厚尾性机制下的高阶修正问题。

高维统计 / 随机矩阵 (high_dim_rmt, 3 篇)

1. 2608.04800 — Debiasing the Lasso under Weaker Tail Assumptions

  • 作者: Leonardo Voltarelli, Roberto Imbuzeiro Oliveira
  • 分类: math.ST · stat.TH
  • 相关性 7/10 · novelty: weaker_assumption
  • 摘要: 本文研究高维线性回归中 Lasso 估计量的推断问题，目标是在比次高斯设计更弱的尾部假设下实现有效的置信区间构造。现有去偏 Lasso 和双选择方法通常要求设计矩阵和误差项具有次高斯性或独立性，本文通过数据标准化（standardization）这一自然预处理步骤，将所需假设大幅放宽至仅需有限四阶矩等更弱的尾部条件。方法的核心机制是利用自归一化过程（self-normalized processes）的集中不等式，替代传统次高斯集中工具，从而在保持 n^{-1/2} 收敛速率的同时降低对尾部的依赖。作者针对两种去偏 Lasso 变体证明了结果，其中第二种方法在模型误设下仍能进行有效推断，仅需类似双选择文献中的稀疏性条件。理论贡献在于将高维推断的适用条件从次高斯推广到更现实的厚尾分布，且付出的代价仅为对数因子。对您而言，本文直接关联高维统计与假设检验兴趣，其自归一化技术可迁移至您熟悉的逆问题或因果推断中的高维 nuisance 估计问题，且尾部假设的放松对实际数据分析（如流行病学队列）具有直接价值。
  • 关键技术: debiased lasso, self-normalized processes, concentration inequalities, high-dimensional inference, model misspecification
  • 为什么对您有用: 本文直接连接您的高维统计与假设检验兴趣，具体在 Lasso 推断的尾部假设放松这一子问题上。您武器库中的 minimax bounds 和 high-dimensional asymptotics 可立即用于验证其声称的收敛速率是否紧（立即可做）。此外，自归一化集中工具可迁移至您熟悉的逆问题设定，为厚尾误差下的推断提供新思路。

2. 2608.04800 — Debiasing the Lasso under Weaker Tail Assumptions

  • 作者: Leonardo Voltarelli, Roberto Imbuzeiro Oliveira
  • 分类: math.ST · stat.TH
  • 相关性 7/10 · novelty: weaker_assumption
  • 摘要: 本文研究高维线性回归中 Lasso 估计的后选择推断问题，目标是在比次高斯设计更弱的尾部假设下构造有效的置信区间。现有 debiased Lasso 和 double selection 方法通常要求设计矩阵和误差具有次高斯性或独立性，本文证明通过对数据进行标准化（standardization）这一自然预处理步骤，可以在仅要求有限矩的条件下达到相同的渐近正态性。核心技术工具是自归一化过程（self-normalized process）的集中不等式，它替代了次高斯假设下的 Bernstein 型不等式。作者为两种 debiased Lasso 变体建立了理论保证：第一种在正确指定模型下有效，第二种在模型误设下仍能进行有效推断，仅需类似 double selection 文献中的稀疏性条件。理论结果表明标准化操作仅以极小的代价（不假设轻尾）换取了更广的适用性。对您而言，本文在高维推断的稳健性方面提供了新的理论视角，其自归一化技术可能与您熟悉的高维渐近理论直接对接，且方法学上可迁移至因果推断中的高维协变量调整问题。
  • 关键技术: self-normalized processes, debiased lasso, double selection, concentration inequalities, high-dimensional inference, model misspecification
  • 为什么对您有用: 本文直接关联您的高维统计与假设检验兴趣，具体在 Lasso 后选择推断的稳健性方向。您武器库中的高维渐近理论和 minimax 界可直接用于评估其标准化策略在更复杂设定（如异质性处理效应）下的推广性。中期可做：若将自归一化技术迁移至因果推断中的高维 IV 或 proximal CI 设定，需先在 moderately_familiar 的识别理论上长肌肉（如处理模型误设下的正交性条件）。

3. 2608.04700 — Consistent community recovery in stochastic block Ornstein-Uhlenbeck processes

  • 作者: Anders Norlyk, Almut E. D. Veraart
  • 分类: math.ST · math.PR · stat.ME · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文提出随机块Ornstein-Uhlenbeck (SBOU) 过程，一种连续时间多变量模型，其漂移矩阵编码了分量间的潜在群结构。主要贡献是一个社区检测算法，在infill、长跨度和高维渐近的混合机制下，误分类比例收敛到零。据我们所知，这是离散观测连续时间多变量模型中潜在群恢复的第一个此类一致性结果。作为关键中间结果，本文在同一机制下建立了离散观测漂移矩阵MLE的一致性，从而扩展了高维Lévy驱动Ornstein-Uhlenbeck文献。为实际实现，开发了一个可行的模型选择程序来估计漂移矩阵的支持，从而支持数据驱动选择潜在群数。SBOU框架可视为离散时间随机块VAR模型的连续时间推广，允许组间正负动态交互。在RE-Europe风能数据集上，恢复出与地理基准一致的国家级分组。
  • 关键技术: community detection, Ornstein-Uhlenbeck process, high-dimensional MLE, infill asymptotics, long-span asymptotics, model selection for drift support
  • 为什么对您有用: 本文连接高维统计与随机矩阵理论（RMT）在连续时间模型中的应用，具体涉及高维漂移矩阵MLE的一致性，这是RMT在高维inference中的经典问题。武器库中'高维渐近'和'逆问题'可直接用于分析其MLE的收敛速率与谱性质，但核心工具（连续时间扩散过程的渐近理论）属于moderately_familiar的M-estimation理论，需先熟悉infill+长跨度的联合渐近框架。中期可做：先补连续时间MLE的渐近理论，再评估其社区检测算法能否推广到更一般的图结构。

非参数 / 半参数 (nonparam_semipara, 4 篇)

1. 2608.04561 — Semiparametric robust mixture of experts based on nonparametric maximum likelihood

  • 作者: Sangkon Oh, Victor H. Lachos, Byungtae Seo
  • 分类: stat.ME
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文提出一种半参数混合专家（MoE）模型，其中每个专家误差分布被建模为非参数高斯尺度混合，并通过非参数最大似然（NPMLE）进行估计。该设定放松了传统MoE中高斯误差的强参数假设，同时保留了MoE框架的可解释性和结构。方法通过将误差分布视为高斯尺度混合类中的非参数对象，能够自适应地处理复杂误差结构、异常值和重尾数据，并在误差真实分布为高斯时仍保持竞争力。理论贡献在于证明了NPMLE估计量的收敛性质，并给出了半参数效率界。模拟和实证研究表明，所提方法在鲁棒性和效率上优于参数MoE和现有半参数变体。对您而言，本文展示了如何将非参数密度估计（高斯尺度混合）嵌入到混合回归模型中，其半参数效率分析思路可迁移至您熟悉的因果推断中的鲁棒估计问题。
  • 关键技术: nonparametric maximum likelihood (NPMLE), Gaussian scale mixture, mixture of experts (MoE), semiparametric efficiency bound, robust estimation
  • 为什么对您有用: 本文连接您的非参数与半参数理论兴趣，具体展示了如何用NPMLE放松混合模型中的参数假设。技术武器库中'非参数统计'和'半参数理论'可直接用于理解其效率分析，而'M估计理论'可帮助评估其估计量的渐近性质。中期可做：若想将类似思路用于因果推断中的误差分布鲁棒建模，需先在'半参数理论'上进一步熟悉影响函数推导。

2. 2608.04566 — Optimal minimization of an unknown function in a nonparametric multivariate regression model thanks to a dimension reduction approach

  • 作者: C\'edric Adam (ANDRA, LPSM), Ilaria Giulini (LPSM), C\'eline L\'evy-Leduc (LPSM)
  • 机构: Lawton Public Schools
  • 分类: math.ST · stat.TH
  • 相关性 6/10 · novelty: sharper_rate
  • 摘要: 本文研究非参数多元回归中未知函数最小值及其位置的估计问题。设定回归函数 f 名义上依赖 d 个变量，但实际仅依赖于 r < d 个活跃变量（即 intrinsic dimension reduction）。观测数据为 (X_i, Y_i) 满足 Y_i = f(X_i) + ε_i，ε_i 为噪声。方法分两步：第一步用变量选择识别 r 个活跃变量；第二步用投影梯度下降估计最小值位置，其中梯度通过局部多项式近似仅对活跃变量估计。最小值估计则通过将局部多项式回归估计量代入最小值位置估计得到。理论贡献是建立了估计量的二次风险的非渐近上界，并证明该上界达到最优收敛速率（与活跃变量已知时的最优率相比仅差对数因子）。该结果对您在高维非参数估计中的 minimax 理论兴趣有直接连接，且变量选择+局部多项式的组合策略可迁移到您熟悉的非参数统计与高维渐近工具中。
  • 关键技术: variable selection, local polynomial approximation, projected gradient descent, non-asymptotic upper bounds, dimension reduction
  • 为什么对您有用: 本文直接连接您的 primary interest 中的非参数统计与高维渐近理论，核心问题是 intrinsic dimension reduction 下的最优估计率。您武器库中非常熟悉的 minimax bounds 与高维渐近工具可直接用于验证其声称的最优率是否紧，或推广到更一般的损失函数。中期可做：若想将变量选择步骤替换为更现代的稀疏方法（如 SLOPE），需先在 moderately_familiar 的 M-estimation 理论上长肌肉。

3. 2608.04566 — Optimal minimization of an unknown function in a nonparametric multivariate regression model thanks to a dimension reduction approach

  • 作者: C\'edric Adam (ANDRA, LPSM), Ilaria Giulini (LPSM), C\'eline L\'evy-Leduc (LPSM)
  • 机构: Lawton Public Schools
  • 分类: math.ST · stat.TH
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文针对非参数多元回归模型，目标是在回归函数仅依赖于 r 个活跃变量（d >> r）的稀疏设定下，估计函数的最小值及其位置。方法分为两步：第一步通过变量选择识别活跃变量集；第二步在活跃子空间上使用投影梯度下降，其中梯度由局部多项式近似估计。最小值估计则通过将局部多项式回归的估计值代入最小点估计得到。作者建立了最小点估计和最小值估计的二次风险的非渐近上界，并证明在忽略对数因子下，该上界达到了已知活跃变量时的最优收敛速率。该工作将高维非参数回归中的变量选择与优化问题结合，对您在高维统计和半参数理论方面的兴趣有直接参考价值。
  • 关键技术: variable selection, local polynomial approximation, projected gradient descent, non-asymptotic upper bounds, minimax optimal rate
  • 为什么对您有用: 本文直接关联非参数统计与高维统计兴趣：在稀疏回归框架下处理变量选择与函数极小化。技术武器库中的 minimax bounds 可用于验证其声称的最优速率是否紧，而高维渐近工具可分析变量选择步骤的误差传播。中期可做：需先在 moderately_familiar 的 M-estimation 理论上长肌肉，以处理局部多项式估计的偏差-方差权衡。

4. 2608.05081 — Nonparametric Estimation under General Nonlinear ODE Constraints: A Comparison with Parametric ODE-Fitting Methods

  • 作者: Chunlei Ge, W. John Braun
  • 分类: stat.ME
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文针对一般非线性一阶 ODE 约束 g'(x)=F(x,g(x))（F 为 Lipschitz 连续），提出了微分方程约束的局部多项式回归（DE-constrained LPR）框架，扩展了此前仅适用于指数或线性 ODE 的工作。由于 F 对 g 非线性，Taylor 系数无法闭式表达，转而通过符号微分 F 得到，估计器由非线性最小二乘计算，在每个评估点仅需一个局部参数（与多项式阶数 k 无关）。推导了 DE1-k 估计量的渐近条件偏差和方差，并提出了利用 ODE 结构避免直接估计高阶导数的 AIMSE 最优带宽。在 logistic 增长模拟中，与 Ramsay et al. (2007) 的参数级联法（PCODE）和经典局部线性回归对比，DE-constrained 估计器始终优于局部线性回归，且与 PCODE 竞争力相当（即使不估计 ODE 结构参数）；在曲线陡峭时，DE-constrained 估计比 PCODE 更准确、更稳健。本文定位为非参数 ODE 约束估计的实用替代方案，尤其适用于结构参数难以可靠识别的场景。对您而言，该方法与您熟悉的非参数统计和逆问题工具直接相关，且其符号微分+非线性最小二乘的实现思路可迁移至您软件开发的实践中。
  • 关键技术: local polynomial regression, ODE-constrained estimation, symbolic differentiation, AIMSE-optimal bandwidth, parameter cascading (PCODE)
  • 为什么对您有用: 本文属于非参数统计与逆问题的交叉，直接连接您的 primary interest 中的非参数统计和逆问题（随机噪声）方向。您非常熟悉的 minimax bounds 和逆问题工具可用于分析该估计量的最优性（例如，ODE 约束是否降低了非参数收敛速率？）。中期可做：若想将 ODE 约束推广至更高阶或部分线性结构，需先在 moderately_familiar 的 M-estimation 理论上长肌肉（当前估计器基于非线性最小二乘，其渐近理论依赖 M-estimation 框架）。

数理统计 / 假设检验 (hypothesis_testing, 4 篇)

1. 2608.04860 — Nonparametric Goodness-of-fit Testing under Covariate Shift

  • 作者: Zhen Hou, Dong Xia
  • 分类: stat.ME · cs.LG · math.ST · stat.ML · stat.TH
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究协变量偏移下的非参数拟合优度检验问题：标记数据来自源总体，但检验目标是在目标总体上的回归函数是否属于某个假设类。分布偏移通过目标-源密度比的有界矩条件或次指数尾部条件来量化。方法上，将截断重要性加权核岭回归与乘子自助法结合，构造回归函数的置信集；截断操作稳定了加权核岭回归和自助校准，使方法适用于密度比具有重尾的情形。在合适的算子相容性条件和核积分算子谱衰减条件下，证明了置信集的非渐近有效性和尖锐性，并给出了覆盖概率的显式误差率。数值实验验证了理论结果。对您而言，本文的非参数检验框架与您在高维统计和假设检验方面的兴趣直接相关，且其截断加权技术可能迁移到您熟悉的因果推断中的敏感性分析问题。
  • 关键技术: kernel ridge regression, importance weighting, multiplier bootstrap, truncated weights, nonasymptotic coverage guarantees
  • 为什么对您有用: 本文直接连接您的主要兴趣——假设检验与非参数统计。其核心技术（截断重要性加权核岭回归 + 乘子自助法）与您武器库中非常熟悉的非参数统计和逆问题方法高度吻合，可视为一个立即可做的切入点：您可以用 minimax 界验证其声称的覆盖概率误差率是否紧，或将其截断加权思路迁移到您熟悉的因果推断中的敏感性分析设定。中期可做：若想推广到更一般的分布偏移设定，需先在 moderately_familiar 的 M-估计理论上长肌肉。

2. 2608.04315 — Fixed-Point Characterisations of Extremal Distributions under Partial Distributional Constraints

  • 作者: Kizito Salako, Rabiu Tsoho Muhammad
  • 分类: math.ST · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文提出一个方法论框架，用于解决在参数空间的可测子集上仅部分指定分布时的鲁棒推断问题。部分指定定义了一个可容许分布集，目标是确定统计量（目标函数为解析函数、连续函数、分段连续函数及其一致极限的期望之比）在该分布集上的极值。作者证明极值可由可容许分布序列逼近，且极限极值分布由支撑点上的不动点条件刻画。这一不动点刻画给出了求解相应优化问题的实用计算框架，并建立了极值分布与极值目标函数值的收敛性和渐近性质。该工作将极值分布约化、不动点刻画与基于逼近的分析统一在一个框架内，扩展了鲁棒贝叶斯推断等方法。对您而言，该框架的不动点刻画思路可能为高维假设检验中部分识别条件下的最坏情况分析提供新的计算视角，属于假设检验与鲁棒推断的交叉方向。
  • 关键技术: fixed-point characterization, extremal distribution, partial distributional constraints, robust inference, optimization over distributions
  • 为什么对您有用: 本文直接关联您对假设检验的兴趣，特别是部分识别条件下的鲁棒推断。您武器库中的非参数统计与极小极大界工具可用于分析该框架下极值分布序列的收敛速率，而高阶U统计量的树宽/张量收缩视角可能为计算支撑点上的不动点条件提供高效算法。中期可做：需先在M估计理论上长肌肉以处理目标函数为期望之比时的渐近性质。

3. 2608.04838 — Exchangeable Testing Against an Unknown Benchmark

  • 作者: Alexander Gnedin
  • 分类: math.ST · math.PR · stat.TH
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文在可交换二元序列的框架下，研究如何通过数据点与一个未知潜基准的序贯比较来进行检验。假设基准的秩 R0 在未观测组中服从某个先验分布，作者建立了纯组合的贝叶斯更新机制，得到后验分布和预测概率的显式公式。归一化运行秩收敛到一个具有多项式密度（可能经 Beta 倾斜）的潜变量 X。对于一类推广 Topp-Leone 分布的先验，预测概率具有简洁的乘法形式，并分析了固定 n 的上下 Markov 链的渐近行为。极限扩散过程具有经典的 Wright-Fisher 方差，但漂移项由基准先验密度显式表达。该工作为序贯检验未知基准提供了可计算的预测法则，其组合秩更新机制与可交换序列理论中的 Beta 混合密度经典对象相联系。对您而言，本文的序贯检验设定和组合概率方法可能为高维假设检验或 U-统计量的秩基推断提供新的视角。
  • 关键技术: exchangeable binary sequences, Bayesian predictive probability, rank-based updating, Wright-Fisher diffusion, Topp-Leone distribution, Beta mixtures
  • 为什么对您有用: 本文属于 hypothesis_testing 方向，直接对应您 primary interests 中的数学统计与假设检验。其组合秩更新机制与您 very_familiar 的 higher-order U-statistics 的树宽/张量收缩计算有潜在联系——序贯检验中的秩统计量可视为某种 U-统计量的特例，您可以用 einsum 复杂度分析其计算成本。中期可做：需先在 moderately_familiar 的 HOIF 理论上长肌肉，以将本文的贝叶斯预测法则推广到更一般的可交换结构。

4. 2608.04838 — Exchangeable Testing Against an Unknown Benchmark

  • 作者: Alexander Gnedin
  • 分类: math.ST · math.PR · stat.TH
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文研究无限二进制可交换序列的序贯检验问题，目标是在未知基准（latent benchmark）下比较数据点。假设基准排名 R0 在未观测组中服从先验分布，作者建立了纯组合的贝叶斯更新机制，得到后验分布和预测概率的显式公式。归一化运行排名收敛到具有多项式密度的潜在强度变量 X，可能带有 Beta 倾斜。对于推广 Topp-Leone 分布的先验类，预测概率有简单的乘法公式，并分析了固定 n 的上下马尔可夫链的渐近行为。极限扩散具有经典 Wright-Fisher 方差，但漂移项通过基准先验密度显式表达。该工作贡献在于基于排名的组合更新机制，为序贯检验提供了显式预测法则。
  • 关键技术: exchangeable sequences, Bayesian updating, rank-based inference, Wright-Fisher diffusion, Topp-Leone distribution, combinatorial probability
  • 为什么对您有用: 本文连接您对 hypothesis testing 和 exchangeable sequences 的兴趣，属于数学统计的经典设定。技术武器库中 nonparametric statistics 和 high-dimensional asymptotics 可用于理解其极限扩散和收敛性质，但核心是纯组合贝叶斯方法，与您的 higher-order U-statistics 或 causal inference 工具无直接交叉。暂不可做：核心机器（可交换序列的组合贝叶斯更新）不在武器库中，且无直接可迁移的统计计算或因果推断问题。

统计计算 / 算法 (stat_computing, 1 篇)

1. 2608.04959 — Parameter identification for predator-prey system with sparse data

  • 作者: Eduard Campillo-Funollet, James Van Yperen
  • 分类: stat.ME · q-bio.PE · q-bio.QM
  • 相关性 4/10 · novelty: application
  • 摘要: 本文针对生态学中捕食者-猎物系统（Lotka-Volterra模型）的参数识别问题，提出了一种计算框架。核心挑战在于观测数据稀疏且含噪声，导致似然面不规则，标准优化方法（如梯度上升、BFGS）易陷入局部最优或数值不稳定。作者采用自然梯度上升（Natural Gradient Ascent）替代标准梯度方法，利用Fisher信息矩阵调整更新方向，提高收敛稳定性。为缓解ODE求解器在参数空间某些区域的刚性或不稳定性，设计了一种自适应求解器，在两个独立的二阶方程之间切换。同时，通过对ODE进行无量纲化处理，将缩放因子视为冗余参数，降低了优化问题的维度。数值实验表明，该方法在稀疏数据下比标准梯度上升和BFGS收敛更快、更稳定。该框架可推广至其他分量不会同时出现数值问题的动力系统。对您而言，本文展示了统计计算中处理稀疏数据与数值不稳定性的实用策略，与您对统计计算（数值方法、算法）的兴趣直接相关，可作为入门级阅读。
  • 关键技术: Natural Gradient Ascent, adaptive ODE solver, non-dimensionalization, Lotka-Volterra model, parameter identification
  • 为什么对您有用: 本文属于统计计算（数值方法、算法）的gateway reading，展示了处理稀疏数据下ODE参数估计的实用计算策略。您的武器库中'软件开发和逆问题'可直接用于复现或扩展其自适应求解器思路，但核心数值优化技巧（自然梯度）并非您当前专精，属于'中期可做'——需先在moderately_familiar的M-estimation理论中补足对Fisher信息矩阵几何意义的理解。

经济理论 / 应用 (econ_theory, 5 篇)

1. 2608.05017 — Algorithm-Driven SVARs: Navigating the Wilderness of Big Data

  • 作者: Yucheng Yang, Tao Zha
  • 分类: econ.EM · math.ST · stat.AP · stat.ML · stat.TH
  • 相关性 7/10 · novelty: application
  • 摘要: 本文提出一种数据驱动的贝叶斯方法，用于在结构向量自回归（SVAR）模型中自动选择信息集（变量集合），解决传统SVAR依赖研究者手动选择变量的主观性问题。方法结合贝叶斯模型选择与样本外预测准则，在递归识别假设下自动保留数据支持的最大系统。应用于美国住房市场，发现产出对住房生产的响应强于仅对家庭信贷的响应；在货币政策分析中，联合贝叶斯代理SVAR框架（使用多个工具变量）强化了信用利差渠道。核心系统经变量选择后，企业信用利差中的预期违约风险被识别为重要的传导机制。本文是应用计量经济学工作，方法学创新在于将变量选择系统化，而非提出全新统计理论。对您而言，本文展示了如何在高维经济时间序列中系统化处理变量选择问题，可作为经济理论（应用因果推断）方向的入门阅读，了解SVAR与贝叶斯方法在宏观因果识别中的实际应用。
  • 关键技术: Bayesian SVAR, information set selection, out-of-sample criterion, recursive identification, proxy SVAR, multiple instruments
  • 为什么对您有用: 本文属于经济理论（应用因果推断）方向的gateway reading，适合作为宏观因果识别方法的入门读物。您的武器库中'估计理论在因果推断中的应用'和'软件工程'可直接用于复现或扩展其贝叶斯变量选择流程（立即可做）。中期可做：若想深入其贝叶斯模型选择的理论性质（如后验一致性），需先在'moderately_familiar'的M估计理论或半参数理论上长肌肉。

2. 2608.04983 — A Pairwise Differencing Distribution Regression Approach for Network Models

  • 作者: Gabriela Miyazato Szini
  • 分类: econ.EM
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文针对二元网络设定中的分布回归问题，提出了一个估计与推断框架。模型包含随结果阈值变化的两向固定效应，通过将结果在每个阈值处二值化实现结构参数的识别。估计采用条件最大似然方法，通过配对差分消去固定效应，从而规避了 incidental parameter problem。该估计量在网络稀疏或极端阈值二值化下保持渐近无偏。第二个创新点是建立了多个阈值下估计量的联合渐近分布，这些估计量具有不同的收敛速度，并据此构造了同时置信带和系数跨阈值相等性检验。蒙特卡洛模拟验证了稀疏性下的小偏误、有效推断和正确的同时覆盖。双边贸易应用表明，关键贸易壁垒的系数在分布上存在显著差异。对您而言，本文是经济理论中应用因果推断方法的实例，其配对差分策略和联合推断技术可能对您关注的纵向或网络因果推断问题有借鉴意义。
  • 关键技术: conditional maximum likelihood, pairwise differencing, distribution regression, two-way fixed effects, simultaneous confidence bands
  • 为什么对您有用: 本文属于经济理论（应用因果推断）方向，是您的 secondary interest。其配对差分消去固定效应的思路与面板数据因果推断中的差分方法相通，可能对您关注的 longitudinal causal inference 有启发。武器库中 'estimation theory in causal inference' 可直接用于理解其识别策略，但核心机器（网络模型下的联合渐近分布）不在您非常熟悉的工具中，属于中期可做——需先在 moderately_familiar 的 'identification theory in causal inference' 上进一步积累网络设定下的识别条件。

3. 2608.04469 — Generalized Impulse Responses of Portfolio Default Probabilities: A Modular Framework with an Application to Geopolitical Risk

  • 作者: Guillaume Flament, Christophe Hurlin, Quentin Lajaunie, Yoann Pull
  • 分类: econ.EM
  • 相关性 5/10 · novelty: application
  • 摘要: 本文在信用压力测试框架下，研究地缘政治风险冲击对投资组合违约概率的广义脉冲响应。作者将贝叶斯VAR、高斯卫星模型与Basel IRB监管框架下的Merton-Vasicek模型模块化组合，推导出违约概率均值、分位数（PD-at-Risk）和期望短缺的闭式广义脉冲响应。非线性映射使得响应依赖于条件均值和方差，直接代入法会低估违约概率水平6-8%并遗漏尾部分位数。对美国地缘政治风险冲击的实证表明，99%分位数响应比均值响应高50%，且峰值响应在信贷周期中变化达4.6倍。该框架可扩展至任何probit-高斯潜因子映射。对您而言，这是一篇经济理论应用论文，展示了因果推断中脉冲响应分析在信用风险领域的落地，其模块化建模思路（BVAR+潜变量映射）对您secondary interest中的经济理论应用方向有参考价值。
  • 关键技术: Bayesian VAR, Merton-Vasicek model, generalized impulse response, probit-Gaussian mapping, credit stress testing
  • 为什么对您有用: 本文属于经济理论应用方向，直接对应您的secondary interest中的经济理论（应用、数据集、因果推断）。其模块化框架（BVAR+潜变量映射）与您武器库中'因果推断中的估计理论'和'逆问题'有概念关联——脉冲响应本质上是一种因果效应估计，非线性映射下的识别与估计问题可借鉴您熟悉的非参数统计工具。作为gateway reading，本文对经济学者友好，数据侧（违约概率、宏观因子）和模型侧（潜因子结构、贝叶斯推断）交代清晰，适合作为进入信用风险因果分析领域的入门读物。值得花时间读全文以了解经济应用中的因果推断实践。

4. 2608.04631 — Clustered Local Projections for Short and Ultra-Short Time Series -- A Hierarchical Bayesian Framework

  • 作者: Todd Clark, Florian Huber
  • 分类: econ.EM · stat.ME
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对短时间序列（甚至超短样本）中估计脉冲响应函数（IRF）时自由度不足的问题，提出了一种基于贝叶斯层次框架的局部投影（LP）方法。核心设定是面板数据中不同序列长度差异大，短序列可借用长序列的信息来改善估计。方法上采用稀疏有限混合先验对序列进行聚类，使得具有相似脉冲响应轮廓的单元共享信息，同时允许异质性动态。模拟表明，在短序列场景下该方法显著优于标准LP估计，而在长序列场景下性能相当。实证部分使用美国价格数据（含调查响应）分析了供应链冲击和石油冲击对不同价格指标（核心CPI vs 整体CPI、商品 vs 服务）的异质性影响。对您而言，本文是经济理论方向的应用型论文，展示了贝叶斯层次模型在面板因果推断（局部投影是宏观因果推断的标准工具）中的实用价值，可作为入门读物了解宏观经济学中IRF估计的统计挑战。
  • 关键技术: Bayesian hierarchical model, local projections, impulse response function, sparse finite mixture, panel data
  • 为什么对您有用: 本文属于经济理论（宏观因果推断）的应用型论文，适合作为gateway reading：它清晰阐述了短面板数据中IRF估计的自由度问题及贝叶斯层次框架的解决思路，对统计学家友好。武器库中'identification theory in causal inference'（moderately_familiar）可直接用于理解其LP设定，但核心的贝叶斯混合聚类机制不在当前武器库中（缺贝叶斯非参数/混合模型经验），因此暂不可做——但值得花时间读全文以了解宏观因果推断的实证范式。

5. 2608.04664 — Soft-Noncrossing Bayesian Panel Quantile Regression for Measuring Climate Tail Risk

  • 作者: Florian Huber, Aubrey Poon, Dan Zhu
  • 分类: econ.EM
  • 相关性 5/10 · novelty: application
  • 摘要: 本文提出一个分层贝叶斯面板分位数回归模型，用于衡量气候变化对经济增长的尾部风险。模型通过高斯过程平滑各分位点上的国家特定系数路径，并用共同的时间效应吸收总体冲击。为解决分位数交叉问题，采用分量单调的 Bernstein 多项式并引入国家特定扰动，实现软非交叉（soft noncrossing），同时给出了识别条件及交叉概率的上界。将模型应用于 33 个国家 1979-2023 年的数据，发现全球温度冲击对产出增长产生系统性、不可分散的下行风险，该风险集中在低尾且对新兴市场影响更大。在尾部风险预测中，该模型相比国家特定分位数回归将样本外损失降低约三分之一。对您而言，这是一篇将贝叶斯非参数方法与分位数回归结合的经济学应用论文，其面板分位数建模思路和尾部风险量化框架可作为您在经济理论（应用因果工作）方向上的入门读物，且模型中的软非交叉技巧对您在高维统计中的约束优化问题有启发。
  • 关键技术: Bayesian panel quantile regression, Gaussian process smoothing, Bernstein polynomials, soft noncrossing, tail risk forecasting
  • 为什么对您有用: 本文属于经济理论（应用因果工作）方向的 gateway reading，适合作为进入气候经济学与尾部风险建模领域的入门文献。您的武器库中非参数统计和贝叶斯方法（moderately_familiar）足以支撑理解其核心建模思路，但贝叶斯分层模型的具体计算（如 MCMC 实现）并非您当前强项，属于中期可做——需先在 moderately_familiar 的贝叶斯非参数工具上积累经验。本文的软非交叉技巧与您在高维统计中的约束优化问题有潜在联系，值得花时间读全文以拓宽视野。

流行病学 (epidemiology, 1 篇)

1. 2608.04918 — Inverse probability weighting for auxiliary variable dependent sampling in observational studies of Long COVID

  • 作者: Andrea S. Foulkes, Tanayott Thaweethai, Daniel O. Scharfstein, Weixing Huang, Harrison T. Reeder
  • 分类: stat.ME · stat.AP
  • 相关性 7/10 · novelty: application
  • 摘要: 本文针对观察性研究中因辅助变量取值而选择性采样（auxiliary variable dependent sampling）导致的估计偏倚问题，提出采用逆概率加权（IPW）方法进行校正。研究以 RECOVER 成人及儿童队列（Long COVID 研究）为应用背景，详细阐述了忽略这种两相采样机制（two-phase sampling）会如何破坏估计的无偏性并导致错误科学结论。方法上，作者将采样概率建模为辅助变量的函数，通过估计每个观测的入选概率并取倒数作为权重，构造加权估计量。文中给出了权重估计的实用建议（如使用逻辑回归或非参数方法估计倾向性得分），并讨论了截断权重、模型误设定等实际考量。主要理论结果是：在采样概率被正确指定或可一致估计的条件下，IPW 估计量是相合的。实证部分利用 RECOVER 数据展示了加权与未加权分析在 Long COVID 症状患病率估计上的显著差异。对您而言，本文是流行病学中处理选择性采样问题的标准方法学入门，其 IPW 框架与因果推断中的 inverse probability weighting 一脉相承，可作为理解真实队列数据中采样偏倚校正的实用参考。
  • 关键技术: inverse probability weighting, two-phase sampling, auxiliary variable dependent sampling, propensity score estimation, observational cohort study
  • 为什么对您有用: 本文属于流行病学应用（secondary interest），处理的是观察性队列中因辅助变量依赖采样导致的偏倚——这是真实数据中常见但常被忽视的问题。武器库中'非参数统计'和'因果推断中的估计理论'可直接用于理解其 IPW 框架的相合性条件；若想进一步改进权重估计（如用 DML 处理高维辅助变量），则需先在'半参数理论'上长肌肉。本文是入门级方法学读物，值得花时间读全文以熟悉该领域的数据结构。

其他 (other, 3 篇)

1. 2608.04315 — Fixed-Point Characterisations of Extremal Distributions under Partial Distributional Constraints

  • 作者: Kizito Salako, Rabiu Tsoho Muhammad
  • 分类: math.ST · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文提出一个方法论框架，用于在参数空间的可测子集上仅给定部分分布约束时求解鲁棒推断问题。部分约束定义了一个可容许分布集，目标是确定统计量（目标函数为解析函数、连续函数、分段连续函数及其一致极限的期望之比）在该集上的极值。作者证明极值可由可容许分布序列逼近，且极限极值分布的特征由其支撑位置上的不动点条件刻画。这一不动点刻画给出了求解相应优化问题的实用计算框架，并建立了极值分布与极值目标函数值的收敛性和渐近性质。该工作将极值分布约化、不动点刻画与基于逼近的分析统一在一个框架内，扩展了鲁棒贝叶斯推断等方法。对您而言，该框架与您熟悉的非参数统计和极小极大界工具在精神上相通，但核心机器（不动点刻画与部分分布约束下的极值问题）不在您当前武器库中，属于暂不可做的方向。
  • 关键技术: fixed-point characterization, extremal distributions, partial distributional constraints, robust inference, approximation-based analysis
  • 为什么对您有用: 本文属于鲁棒推断的方法论框架，与您的主要兴趣（非参数统计、极小极大界）有概念上的联系，但核心问题设定（部分分布约束下的极值问题）和关键技术（不动点刻画）不在您的技术武器库中，属于暂不可做的方向。若您未来想进入鲁棒贝叶斯或分布鲁棒优化领域，本文可作为入门阅读，但当前优先级不高。

2. 2608.04700 — Consistent community recovery in stochastic block Ornstein-Uhlenbeck processes

  • 作者: Anders Norlyk, Almut E. D. Veraart
  • 分类: math.ST · math.PR · stat.ME · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文提出随机块Ornstein-Uhlenbeck (SBOU) 过程，一种连续时间多变量模型，其漂移矩阵编码了分量间的潜在群结构。主要贡献是设计了一个社区检测算法，在infill、长跨度和高维渐近的联合机制下，误分类比例收敛到零。据我们所知，这是离散观测连续时间多变量模型中潜在群恢复的首个一致性结果。作为关键中间步骤，在同一机制下建立了离散观测漂移矩阵MLE的一致性，扩展了高维Lévy驱动OU过程文献。为实际应用，开发了可行的模型选择程序来估计漂移矩阵的支持，实现数据驱动地选择潜在群数。SBOU框架可视为离散时间随机块VAR模型的连续时间推广，允许组间正负动态交互。在RE-Europe风能数据集上，恢复了与地理基准一致的国家级分组。
  • 关键技术: stochastic block model, Ornstein-Uhlenbeck process, community detection, high-dimensional MLE, infill asymptotics, model selection
  • 为什么对您有用: 本文属于高维时间序列与网络模型的交叉，但核心方法（连续时间随机块模型、漂移矩阵MLE一致性）与您的主要兴趣（高维统计、因果推断中的纵向数据）关联较弱。您武器库中的高维渐近工具可用来审视其MLE一致性的证明，但社区检测本身并非您的主攻方向。暂不可做：核心机器（连续时间随机过程、社区检测的谱方法）不在武器库中，且缺乏与您U-统计量或因果推断工作的直接接口。

3. 2608.04025 — A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models

  • 作者: Mingi Hong
  • 分类: stat.ME · cs.LG
  • 相关性 4/10 · novelty: application
  • 摘要: 本文评估了一种名为 drcosarc 的保形预测后处理方法，用于全切片病理生存模型，旨在提供个体化的事件时间下界预测。该方法基于离散时间多实例学习生存头，使用冻结的 UNI2-h 特征表示，并通过逆删失加权（IPCW）估计校准覆盖概率。研究在五个 TCGA 队列和三个 CPTAC 队列中进行了内部和外部验证，比较了不同配置下的中位下界预测（LPB）表现。在低删失半合成数据中，drcosarc 的经验覆盖率达到 0.9129，接近名义水平 0.90。然而，性能高度依赖于队列、患者级估计量和删失假设，且在某些队列中保形区间未排除零。本文属于应用型工作，方法学新颖性有限，主要贡献在于对特定保形预测框架的实证评估。
  • 关键技术: conformal prediction, inverse-probability-of-censoring weighting, multiple-instance learning, whole-slide survival models
  • 为什么对您有用: 本文属于应用型工作，与您的主要兴趣（因果推断、高维统计等）无直接技术关联。作为流行病学领域的应用，它展示了保形预测在删失生存数据中的校准问题，但方法学深度有限，且未涉及您武器库中的核心工具（如 U-统计量、半参数效率理论）。暂不可做：核心机器（保形预测与删失数据的结合）不在您的武器库中，且该方向对您而言并非 gateway reading 的优先选择。

🗂 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. 2608.04335 — Bivariate Prior Specification for Bayesian Decision Making in Early Phase Clinical Trials

  • 作者: Chengyuan Yang, Evan Kwiatkowwski
  • 分类: stat.ME
  • 相关性 3/10
  • 评分理由: 专注于贝叶斯临床试验决策的先验设定，与主要兴趣领域不相关。

2. 2608.04234 — Multimodal Alignment Through Joint Kernel Entropic Gromov--Wasserstein Optimal Transport

  • 作者: Yixuan Florence Wu, Yilun Zhu, Naichen Shi
  • 分类: math.ST · cs.LG · stat.ML · stat.TH
  • 相关性 3/10
  • 评分理由: 多模态对齐与最优传输，与主要统计兴趣领域无关，且方法（Gromov-Wasserstein）不在技术武库中。

3. 2608.04234 — Multimodal Alignment Through Joint Kernel Entropic Gromov--Wasserstein Optimal Transport

  • 作者: Yixuan Florence Wu, Yilun Zhu, Naichen Shi
  • 分类: math.ST · cs.LG · stat.ML · stat.TH
  • 相关性 3/10
  • 评分理由: 多模态对齐与最优传输，与主要统计兴趣领域无关，且方法（Gromov-Wasserstein）不在技术武库中。

4. 2608.04629 — Drivers of Success: A Bayesian State-Space Model to Disentangling Latent Driver and Constructor Abilities in Formula One

  • 作者: Tim Lindner, Rui Jorge Almeida, Nalan Ba\c{s}t\"urk, Stephan Smeekes
  • 分类: econ.EM · stat.AP · stat.ME
  • 相关性 3/10
  • 评分理由: Bayesian state-space model for sports analytics; unrelated to primary or secondary interests in causal inference, statistics, or economics.

5. 2608.04819 — Characterization of the MUSE NFM PSF as a function of atmospheric conditions: TipTop calibration

  • 作者: Enrico Congiu (ESO), Fuyan Bian (ESO), Carlo F. Manara (ESO), Arseniy Kuznetsov (ESO), Guido Agapito (INAF), Johanna Hartke (FINCA), Timo Kravtsov (Tuorla Observatory), Lisa-Marie Mazzolo (ONERA), Fabio Rossi (INAF), Cedric Plantet (INAF), Fernando Selman (ESO)
  • 机构: National Institute for Astrophysics · Fincantieri (Italy) · Office National d'Études et de Recherches Aérospatiales
  • 分类: astro-ph.IM
  • 相关性 3/10
  • 评分理由: 涉及PSF建模和信噪比预测，有微弱统计/数据建模元素，但纯天文仪器应用，不满足gateway阅读标准。

6. 2608.04814 — Constructing Large Orthogonal Minimally Aliased Response Surface Designs Through Enumeration and Combination of Weighing Designs

  • 作者: Jade Lejeune Herman, Peter Goos
  • 分类: stat.ME · math.ST · stat.TH
  • 相关性 2/10
  • 评分理由: 关于实验设计的算法框架，与主要兴趣领域不相关。

7. 2608.04109 — Breaking the brightness barrier: JWST/NIRCam DHS spectroscopy for high-precision time-series observations

  • 作者: Achrene Dyrek, John Stansberry, Louis E. Bergeron, Everett Schlawin, Nestor Espinoza, Brian Brooks, Mario Gennaro, Martha L. Boyer, Russell Ryan, Bryan Hilbert, Munazza K. Alam, Aarynn L. Carter, Norbert Pirzkal, Julien H. Girard, Anton M. Koekemoer
  • 分类: astro-ph.IM · astro-ph.EP
  • 相关性 2/10
  • 评分理由: JWST仪器技术描述，无统计或数据建模内容，与研究者兴趣无关。

8. 2608.04342 — Life 2.0: A Scalable Distributed Space-Telescope Array for Biosignature Spectroscopy

  • 作者: Jian Ge (Shanghai Astronomical Observatory, CAS), Zhangqi Dang (Shanghai Astronomical Observatory, CAS), Ziru Zhang (Shanghai Astronomical Observatory, CAS), Chenxu Gao (Shanghai Astronomical Observatory, CAS), Shijie Ke (Shanghai Astronomical Observatory, CAS), Ziyang Zhang (Shanghai Astronomical Observatory, CAS), Rong Shu (Innovation Academy for Microsatellites, CAS), Wen Chen (Innovation Academy for Microsatellites, CAS), Jie Yin (Shanghai Institute of Ceramics, CAS), Yunzhou Zhu (Shanghai Institute of Ceramics, CAS), Leiming Lei (Shanghai Institute of Ceramics, CAS), Zhongming Chen (Shanghai Institute of Ceramics, CAS), Jiancheng Ji (Shanghai YUM Oe Tech Co., Ltd), Xiangsen Tian (Shanghai YUM Oe Tech Co., Ltd), Jun Yang (Peking University), Xinyi Song (Peking University), Rafael Luque (Instituto de Astrofisica de Andalucia), Enric Palle (Instituto de Astrofisica de Canarias, Spain)
  • 机构: Shanghai Astronomical Observatory · Shanghai Micro Satellite Engineering Center · Shanghai Institute of Ceramics · Jordan Valley Semiconductors (China) · Peking University · Instituto de Astrofísica de Andalucía · Instituto de Astrofísica de Canarias
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: 空间望远镜概念设计，涉及信号检测但无具体统计方法，与研究者兴趣无关。

9. 2608.04733 — Demonstration of a Single-Laser-Diode-Pumped Ti:Sapphire Astrocomb on the Southern African Large Telescope

  • 作者: Ewan Allan, Yuk Shan Cheng, Kamalesh Dadi, Pablo Castro-Marin, Jake M. Charsley, William Newman, Abdullah Alabbadi, Hanna Ostapenko, Richard A. McCracken, Pascal Del'Haye, Thomas Willemsen, Tobias Gross, Daniel L. Holdsworth, Malcolm C. Scarrott, Lisa A. Crause, Derryck T. Reid
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: 纯天文仪器工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

10. 2608.04739 — Swept-source heterodyne detection for interferometry in the H band

  • 作者: F\'elix Gudin, Nicolas Forget
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: 纯天文仪器工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

11. 2608.04861 — GBOT: ground based optical tracking of the Gaia satellite

  • 作者: Martin Altmann, Sebastien Bouquillon, Francois Taris, Iain A. Steele, Ricky L. Smart, Alexandre H. Andrei, Christophe Barache, Teddy Carlucci, Sebastian G. Elsa
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: 纯天文卫星跟踪工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

12. 2608.05072 — CCAT: Characterization of the first science-grade MKID array for the Prime-Cam 850 GHz module

  • 作者: Anthony I. Huber (Matt), Jordan Wheeler (Matt), James Burgoyne (Matt), Scott Chapman (Matt), Jason Austermann (Matt), James Beall (Matt), Steve K. Choi (Matt), Doug Henke (Matt), Johannes Hubmayr (Matt), Ben Keller (Matt), Matthew Koc (Matt), Jeff van Lanen (Matt), Tilak Patel (Matt), Adrian Sinclair (Matt), Anna Vaskuri (Matt), Eve M. Vavagiakis (Matt), Michael Vissers (Matt), Ruixuan (Matt), Xie
  • 分类: astro-ph.IM · physics.app-ph · physics.ins-det
  • 相关性 2/10
  • 评分理由: 纯天文探测器工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

13. 2608.05121 — CCAT: Design and Characterization of the 350 GHz Instrument Module

  • 作者: Ben Keller (Matt), Jordan Wheeler (Matt), Cody J. Duell (Matt), Darshan A. Patel (Matt), Jason Austermann (Matt), Baird D. Bankovic (Matt), James Burgoyne (Matt), Scott Chapman (Matt), Steve K. Choi (Matt), Rodrigo Freundt (Matt), Min Gao (Matt), Eliza Gazda (Matt), Anthony I. Huber (Matt), Johannes Hubmayr (Matt), Lawrence T. Lin (Matt), Quintin Meyers (Matt), Paul Malachuk (Matt), Alicia Middleton (Matt), Michael D. Niemack (Matt), Tilak M. Patel (Matt), Anna Vaskuri (Matt), Eve Vavagiakis (Matt), Michael R. Vissers (Matt), Samantha Walker (Matt), Yuhan Wang (Matt), Ruixuan (Matt), Xie
  • 分类: astro-ph.IM · astro-ph.CO · astro-ph.GA
  • 相关性 2/10
  • 评分理由: 纯天文仪器工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

14. 2608.05129 — A waveguide spectrometer for high-resolution millimeter-wave imaging

  • 作者: Annie Tan, Patrick Ashworth, Peter S. Barry, Chris S. Benson, Karia Dibert, Harry Gordon-Moys, Peter Hunyor, Kirit S. Karkare, Izaak Morris
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: 纯天文仪器工程论文，无统计方法或数据建模内容，与研究者兴趣无关。

15. 2608.04062 — Charged Clouds of Ionized Gas Emerge from Tribocharging Grains

  • 作者: Patrick Hock, Jens Teiser, Gerhard Wurm
  • 分类: astro-ph.IM · astro-ph.EP
  • 相关性 1/10
  • 评分理由: 纯天体物理实验，无统计方法或数据建模内容，与研究者兴趣无关。

16. 2608.04220 — The Constant Evolution of the Neil Gehrels Swift Observatory: Two Decades of Operational Innovation for Time-Domain and Multi-Messenger Astrophysics

  • 作者: Jamie A. Kennea
  • 分类: astro-ph.IM
  • 相关性 1/10
  • 评分理由: Swift天文台操作综述，无统计方法或数据建模内容，与研究者兴趣无关。

17. 2608.04282 — CCAT: The 410 GHz camera module for FYST - design and testing of the MKID focal plane

  • 作者: Scott C. Chapman (Matt), Jordan Wheeler (Matt), Anthony Huber (Matt), Jason Austermann (Matt), James A. Beall (Matt), James Burgoyne (Matt), Max Chapman (Matt), Jesslyn Devina (Matt), Douglas Henke (Matt), Johannes Hubmayr (Matt), Dylan Lockyer (Matt), Michael Niemack (Matt), Tilak M. Patel (Matt), Colin Ross (Matt), Douglas Scott (Matt), Adrian Sinclair (Matt), Eve Vavagiakis (Matt), Michael R. Vissers (Matt), Ruixuan (Matt), Xie
  • 分类: astro-ph.IM · astro-ph.GA
  • 相关性 1/10
  • 评分理由: 望远镜相机硬件设计，无统计方法或数据建模内容，与研究者兴趣无关。

18. 2608.04316 — He'e-Lab: A modular testbed for astrophotonics and wavefront sensing development

  • 作者: Sebastien Vievard, Christopher Hamner, Nour Skaf, Dylan Hively, Michael Bottom, Mark Chun, Christoph Baranec, Olivier Guyon, Julien Lozi, Aidan Walk, Josh Corn, Branden Allen, Elsa Huby, Sylvestre Lacour, Guillermo Martin, Manon Lallement, Vincent Deo
  • 分类: astro-ph.IM
  • 相关性 1/10
  • 评分理由: 天文仪器测试平台，无统计方法或数据建模内容，与研究者兴趣无关。

19. 2608.04372 — FIRST-PL: Commissioning the first visible photonic lantern spectrograph for sub-diffraction-limit astronomy on Subaru/SCExAO

  • 作者: Sebastien Vievard, Elsa Huby, Sylvestre Lacour, Olivier Guyon, Manon Lallement, Mathias Nowak, Yoo Jung Kim, Aidan Walk, Jehanne Sarrazin, Sergio Leon-Saval, Chris Betters, Julien. Lozi, Miles Lucas, Vincent Deo, Nemanja Jovanovic, Michael Fitzgerald, Barnaby Norris, Thayne Currie, Garima Singh, Sandrine Juillard, Guy Perrin
  • 分类: astro-ph.IM
  • 相关性 1/10
  • 评分理由: 天文仪器调试报告，无统计方法或数据建模内容，与研究者兴趣无关。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论