2026-08-14 每日 arXiv 资讯¶

高相关论文 1 篇 · 中相关 26 篇 · 其他 56 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. 2608.13945 — Semi-supervised Concordance Learning for Optimal Individual Treatment Regimes¶

作者: Mengjiao Peng, Yong Zhou, Wenbin Lu
相关性 8/10 · novelty: new_method
摘要: 本文在 semi-supervised 数据框架下（如电子病历数据，仅少量样本有结局标签，但所有样本均有协变量和治疗分配）研究最优个体化治疗规则（ITR）的估计问题。目标 estimand 是使期望结局最大化的治疗规则函数。方法分两步：首先用单指标核平滑对未标记样本的结局进行灵活非参数插补，然后基于 concordance-assisted learning（即最大化治疗分配与潜在结局排序的一致性）估计最优 ITR。估计量被证明具有相合性和渐近正态性，且半监督框架相比完全监督方法在有限样本下效率更高、鲁棒性更强。数值实验在 MIMIC-III 和 ACTG175 数据集上验证了实际价值。对您而言，该工作将因果推断中的 ITR 估计与半监督学习结合，其两步法（非参数插补 + 基于一致性的学习）可视为一种利用未标记数据提升效率的通用策略，与您关注的因果推断（尤其是纵向/个体化治疗）和半参数理论方向直接相关。
关键技术: single-index kernel smoothing, concordance-assisted learning, semi-supervised estimation, optimal treatment regime, nonparametric imputation
为什么对您有用: 直接连接您 primary interest 中的因果推断（个体化治疗规则估计）和半参数/非参数理论。技术层面，其两步法中的非参数插补（单指标核平滑）可用您 very_familiar 的非参数统计和 minimax 界工具分析其收敛速率；而 concordance learning 的渐近理论（U-统计量结构）与您 moderately_familiar 的 higher-order U-statistics 理论有潜在交叉。中期可做：若想将半监督框架推广到更复杂的因果参数（如动态治疗规则或 proximal 设定），需先在 moderately_familiar 的 identification theory 上长肌肉（如理解 negative control 假设下的识别条件）。

📌 中相关论文（按主题分组）¶

因果推断 (causal_inference, 2 篇)¶

1. 2608.14025 — Handling covariate shift by model averaging¶

作者: Yifan Zhang, Tianfa Xie, Xinyu Zhang
相关性 6/10 · novelty: new_method
摘要: 本文研究协变量偏移下的预测问题：源分布有标签，目标分布仅有无标签协变量，目标是最小化目标分布下的预测风险。重要性加权（IW）通过密度比校正分布偏移，但极端权重会导致方差膨胀。作者将加权程度视为模型不确定性来源，构造一族自适应加权最小二乘估计量，将估计的密度比提升到[0,1]范围内的指数，端点对应OLS和标准IWLS，然后通过数据驱动平均（model averaging）组合这些候选估计量。在模型误设定下，证明该平均估计量渐近最优于不可实现的候选估计量最佳凸组合；在正确设定下，发散惩罚使权重收敛到OLS端点。模拟和真实数据应用显示该方法在多种设定下具有竞争力的目标预测性能。该问题与因果推断中的外推（external validity）和迁移学习紧密相关，其加权平均策略可启发处理因果推断中分布偏移的稳健估计方法。
关键技术: importance weighting, model averaging, density ratio estimation, adaptive least squares, asymptotic optimality
为什么对您有用: 该论文直接关联因果推断中的分布偏移问题（如proximal CI中的negative control设定或IV中的样本选择偏差），其核心思想——将加权程度作为模型不确定性来源并通过平均化处理——可迁移到因果推断中的敏感性分析或稳健估计。武器库中'非参数统计'和'因果推断中的估计理论'可直接用于分析该方法的识别条件与收敛性；'M估计理论'可用于推导其渐近性质。中期可做：若想将类似加权平均策略推广到因果推断中的DR估计量，需先在'semiparametric theory'上长肌肉以处理影响函数的结构。

2. 2608.13847 — Separating Spatial and Clinical Risk with Node-Splitting SVM Survival Trees¶

作者: Drew Lazar, Aye Aye Maung
相关性 5/10 · novelty: new_method
摘要: 本文针对生存数据中分离空间风险与临床特征的问题，提出了一种非参数两阶段方法。第一阶段，用临床协变量拟合核偶极子分裂生存树，得到叶节点Nelson-Aalen累积风险残差，将删失生存结构转移到临床调整后的尺度，无需对临床风险施加函数形式。第二阶段，将这些残差对地理坐标拟合第二棵生存树，恢复空间结构，生成分段常数、边界尖锐的空间风险图。在乘法脆弱性和外生性条件下，理论证明残差能恢复空间信号：给定位置时残差与临床协变量独立，且按脆弱性随机排序。脆弱性Laplace指数的展开量化了残差的近似指数性并识别了主导余项。在LeukSurv白血病数据上，该方法与贝叶斯高斯随机场脆弱性模型在风险升高区域一致，但能分辨平滑表面平均掉的尖锐邻接关系，而未调整的空间分析错误地将临床变异归因于位置。模拟实验通过逐步违反外生性条件，定位了两种贡献不再可分离的临界点。该方法对您有用：它处理的是因果推断中空间混杂的识别问题，与您的proximal CI和敏感性分析兴趣直接相关，且两阶段残差策略可迁移到您熟悉的非参数估计框架中。
关键技术: kernel dipole-splitting survival tree, Nelson-Aalen cumulative hazard residual, multiplicative frailty model, exogeneity condition, piecewise constant spatial risk map
为什么对您有用: 本文直接连接您的primary interest中的因果推断（空间混杂的识别与分离）和敏感性分析（通过模拟逐步违反外生性条件定位可识别边界）。您的very_familiar武器库中的非参数统计和估计理论可直接用于分析该两阶段方法的收敛速率和残差性质，而moderately_familiar的识别理论可用于评估外生性假设的合理性。中期可做：若想将方法扩展到更灵活的临床风险模型（如DML），需先在semiparametric theory上长肌肉。

高维统计 / 随机矩阵 (high_dim_rmt, 2 篇)¶

1. 2608.14344 — Change Point Detection and Localization in High-Dimensional Time Series¶

作者: Patrick Bastian, Daria Tieplova, Nina Dörnemann, Tim Kutta
相关性 7/10 · novelty: new_method
摘要: 本文针对高维时间序列的变点检测与定位问题，提出了基于最大范数的多尺度检验统计量，以应对稀疏且异步的变点。在固定维数下，传统方法依赖Hölderian不变原理；本文将其推广到高维情形，建立了Hölder-Gauss逼近——可理解为高维部分和过程的Hölder范数的高斯逼近。该逼近工具不仅适用于变点检测，还可用于高维平稳性检验等其它问题。方法上，作者给出了序贯变点检验和回顾性多重变点定位（含全局控制误差水平的置信区间）两套流程。模拟实验和加州野火空气污染数据应用验证了有限样本性能。对您而言，本文的高维高斯逼近技术（Hölder-Gauss逼近）与您熟悉的高维渐近理论直接相关，可作为高维时间序列推断中一个可迁移的工具。
关键技术: Hölder-Gauss approximation, multiscale statistics, maximum norm test statistic, high-dimensional partial sum process, change point detection
为什么对您有用: 本文属于高维统计与假设检验的交汇点，直接对应您primary interest中的“high-dimensional statistics”和“hypothesis testing”。您武器库中“high-dimensional asymptotics”和“nonparametric statistics”可直接用于理解其Hölder-Gauss逼近的证明策略，并评估其在高维变点检测中的最优性。中期可做：若您想将类似的多尺度方法推广到您的U-statistic框架下（如检测高维U-process的变点），需先在“theory of higher-order U-statistics”上积累，因为当前工具对U-process的Hölder逼近尚不熟悉。

2. 2608.14450 — Converse bounds for multiple graph alignment and correlation detection based on last matching¶

作者: Taha Ameen, Bruce Hajek
相关性 6/10 · novelty: new_method
摘要: 本文研究 m 个相关图的图对齐与相关性检测的信息论下界。核心思想是：对于 m≥3，若通过“精灵”揭示 m-1 个图的对齐信息，则剩余问题简化为最后一个图与已对齐图的匹配（last matching）。对于高斯模型和 Erdős–Rényi 模型，last-matching 问题等价于两个观测图的经典对齐问题，从而可将 m=2 的已知下界直接推广到任意 m。该方法不仅适用于精确对齐，还适用于弱相关性检测（即判断图是否相关）。主要技术工具是信息论中的 Fano 不等式与 genie-aided 论证，给出了匹配错误概率的指数下界。本文为多图对齐问题提供了简洁且紧的 converse bound，对您的高维统计与随机矩阵理论兴趣有直接参考价值——尤其是多图模型中的信号检测阈值分析。
关键技术: genie-aided converse bound, Fano inequality, last matching reduction, Erdős–Rényi graph model, Gaussian Wigner model, weak detection of correlation
为什么对您有用: 本文属于高维统计与随机矩阵理论中图模型对齐与检测的 converse bound 问题，直接连接到您 primary interest 中的 high-dimensional statistics 和 hypothesis testing。技术武器库中 very_familiar 的 minimax bounds 和 high-dimensional asymptotics 可直接用于验证本文下界的紧性（例如对比已知的 m=2 紧界与 m≥3 的推广是否仍紧）。中期可做：若想将 last-matching 思想推广到更一般的图模型（如随机块模型），需先在 moderately_familiar 的 M-estimation theory 上熟悉图模型似然比分析。

非参数 / 半参数 (nonparam_semipara, 2 篇)¶

1. 2608.13859 — A semiparametric approach for the estimation of covariate-adjusted area under the receiver operating characteristic curve¶

作者: Shanshan Liu, Jianlei Huang, Guoqing Diao
相关性 7/10 · novelty: new_method
摘要: 本文针对生物标志物判别能力评估中协变量异质性问题，提出基于广义可加模型的半参数框架，用于估计协变量特异性和协变量调整后的AUC。该方法允许协变量对生物标志物性能存在非线性和交互效应，并同时适用于二分类和多分类疾病状态。作者建立了所提估计量的渐近性质，并通过模拟研究验证了其在有限样本下的良好表现。该方法的核心在于利用半参数结构灵活建模协变量效应，同时保持AUC估计的可解释性。最后，文章在阿尔茨海默病神经影像学倡议数据上展示了方法的应用，揭示了生物标志物判别能力随协变量变化的显著异质性。对您而言，本文提供了一个将半参数建模与诊断准确性评估结合的实例，其处理协变量异质性的思路可迁移至因果推断中的异质性处理效应分析。
关键技术: generalized additive models, covariate-adjusted AUC, semiparametric estimation, asymptotic normality
为什么对您有用: 本文属于非参数/半参数理论方向，直接连接您的primary interest。其半参数框架和渐近理论可用您very_familiar的非参数统计和M估计理论工具进行审视，例如验证其估计量的收敛速率是否最优。中期可做：若想将类似方法推广至因果推断中的异质性处理效应，需先在moderately_familiar的identification theory上加强。

2. 2608.14536 — Joint Estimation of Sparse Multilayer Networks via Graph Limits¶

作者: Youngseok Song, Sofia C. Olhede
相关性 5/10 · novelty: new_method
摘要: 本文针对多层网络（multiplex networks）的联合估计问题，提出基于图极限（graph limits）的非参数方法。目标是在共享顶点集上刻画多种交互类型的生成机制，利用层间共享潜在变量来捕捉异质性。核心方法是通过块模型逼近（blockmodel approximation）构造多网络直方图（multi-network histogram）作为联合估计量，该估计量能适应各层的稀疏性和连接结构差异。理论贡献包括：推导加权均方积分误差的上界，并给出最小化该误差的最优带宽，证明联合建模相比单层估计能降低误差并实现更小的最优带宽，从而在稀疏层也能获得高分辨率估计。模拟和印度村庄社会经济网络的应用验证了方法的实用性。对您而言，本文的非参数联合估计框架与您熟悉的非参数统计和minimax界技术高度契合，且其块模型逼近思路可迁移至您关注的因果推断中多层结构数据的处理。
关键技术: graphon estimation, blockmodel approximation, multi-network histogram, weighted mean integrated squared error, optimal bandwidth selection, joint nonparametric estimation
为什么对您有用: 本文直接连接您的非参数统计兴趣，其图极限框架和块模型逼近技术是您非常熟悉的非参数工具。中期可做：将联合估计思路迁移至因果推断中的多层结构数据（如多站点ATE估计），需先在moderately_familiar的semiparametric theory上加强。

数理统计 / 假设检验 (hypothesis_testing, 2 篇)¶

1. 2608.13880 — Change-Point Detection for Heterogeneous High-Dimensional Functional Time Series¶

作者: Xufei Tang, Dan Zhuang, Houlin Zhou
相关性 7/10 · novelty: new_method
摘要: 本文针对高维函数面板数据中异质性结构变点检测问题，提出了一种新的Energy-PE统计量。传统基于均值聚合的CUSUM方法在个体变点信号稀疏或符号异质时，因信号抵消而功效严重下降。Energy-PE统计量通过个体平方CUSUM的能量聚合保留符号异质证据，并引入广义功效增强组件提升对稀疏弱信号的敏感性。在正则条件下，建立了统计量的渐近分布理论。进一步，利用潜在群组结构和基于信息准则的聚类算法估计未知群组数和成员归属，实现异质变点的后验解释。数值实验和日内股票数据应用表明，该方法在控制第一类错误的同时，显著提升了稀疏和符号异质备择下的检验功效。该工作对您在高维时间序列假设检验方向有直接参考价值，其能量聚合思想可迁移至您熟悉的U-统计量投影框架。
关键技术: CUSUM statistic, power enhancement, energy aggregation, functional time series, change-point detection, information criterion clustering
为什么对您有用: 本文直接对应您primary interest中的hypothesis testing和高维统计方向，具体处理了高维函数时间序列的异质变点检测这一非标准设定。您非常熟悉的minimax bounds和非参数统计工具可用于分析其Energy-PE统计量的最优性边界，而higher-order U-statistics的树宽/张量收缩视角可能为能量聚合项的计算复杂度提供新见解。中期可做：需先在moderately_familiar的HOIF理论上长肌肉，以严格推导该统计量的高阶影响函数表示。

2. 2608.10482 — Predicting Diagonalizability of a Mean Matrix¶

作者: Jinze Zhao
相关性 5/10 · novelty: new_theory
摘要: 本文研究能否从独立同分布的二值随机矩阵样本中，几乎必然地有限错误预测未知均值矩阵是否可对角化（实或复）。核心发现是：对于固定维度的有界均值参数，任何半代数性质最终都是几乎必然可预测的。证明采用自适应的收缩置信集方法，并利用多项式符号检验构造显式预测器；通过Tarski-Seidenberg量词消去证明实/复可对角化区域是半代数集（尽管既非闭也非开）。进一步将正结果推广到观测无界但具有任意固定r>1阶矩的情形，借助Marcinkiewicz-Zygmund强大数律。结合Dembo-Peres拓扑准则，得到尖锐对比：在仅要求可积的矩阵分布类上，当维度≥2时可对角化性不是最终几乎必然可预测的。构造对固定维度有效，但未声称实际复杂度界。该问题属于假设检验中可预测性的基础理论，与您对数学统计和假设检验的兴趣直接相关。
关键技术: shrinking-confidence-set, polynomial sign tests, Tarski-Seidenberg quantifier elimination, semialgebraic sets, Marcinkiewicz-Zygmund strong law, Dembo-Peres topological criterion
为什么对您有用: 本文直接连接您对假设检验的兴趣，特别是可预测性（eventual almost sure predictability）这一基础理论问题。武器库中'非参数统计'和'高维渐近理论'可用于分析其收缩置信集方法的收敛速度，而'minimax bounds'可验证其预测误差率是否最优。中期可做：需先在'moderately_familiar'的M估计理论上长肌肉，以处理其多项式符号检验的复杂度分析。

统计计算 / 算法 (stat_computing, 6 篇)¶

1. 2608.14887 — Tensor Covariance Estimation via Kronecker-Structured Sparse Inverse Cholesky¶

作者: Wentao Zhan, Matthias Katzfuss
相关性 7/10 · novelty: new_method
摘要: 本文针对高维多路（张量）数据的协方差估计问题，提出基于 Kronecker 结构稀疏逆 Cholesky（KSIC）投影的统一框架。该方法从信息投影的几何角度出发，将估计量定义为目标分布在由稀疏、Kronecker 分解的逆 Cholesky 因子构成的流形上的矩匹配投影。通过利用物理或数据驱动的最近邻稀疏性，KSIC 提供了既统计可解释又计算高效的表示。框架整合了两种估计模式：非参数估计器直接将经验协方差投影到流形上，利用 KSIC 结构隐式正则化秩亏数据；参数估计器通过最大化其 KSIC 投影的似然来拟合生成协方差模型（如 Matérn），表述为嵌套双向前 KL 散度最小化。理论上，论文建立了 KSIC 投影存在的条件，并给出了非参数模式下有限样本集中速率，证明 KSIC 估计量能有效利用跨模态信息并对数据稀缺具有鲁棒性。数值实验表明，在高维小样本场景下，KSIC 估计器在精度和可扩展性上达到最优。该方法应用于时空温度异常和功能 MRI 数据，展示了其广泛适用性。对您而言，本文的张量协方差估计框架与您在高维统计和统计计算方面的兴趣高度相关，其 Kronecker 结构稀疏化思路可启发您在高阶 U-统计量计算中的张量网络复杂度分析。
关键技术: Kronecker-structured sparse inverse Cholesky, information projection, moment-matching projection, nearest-neighbor sparsity, nested double forward Kullback-Leibler minimization, finite-sample concentration rates
为什么对您有用: 本文直接关联您对高维统计和统计计算（特别是张量数据）的兴趣。其 KSIC 框架利用 Kronecker 结构实现可扩展的协方差估计，与您武器库中非常熟悉的“高阶 U-统计量的计算（树宽/张量收缩/einsum）”高度契合——您可以用张量网络复杂度视角分析 KSIC 的收缩成本，或探索其与高阶 U-统计量协方差估计的结合。中期可做：需先在 moderately_familiar 的“高阶 U-统计量理论”上进一步巩固，以将 KSIC 的稀疏逆 Cholesky 结构推广到高阶矩估计。

2. 2608.14127 — FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data¶

作者: Shanpeng Li, Emily Ouyang, Ace Isabel Mejia-Sanchez, Xinping Cui, Gang Li
相关性 7/10 · novelty: application
摘要: 该论文介绍了 R 包 FastJM，用于高效实现纵向数据与生存数据的半参数联合模型。FastJM 支持三类模型：单个纵向生物标志物、多个纵向生物标志物、以及具有异质性个体内变异性的单个纵向生物标志物模型。在 EM 算法框架下，包内采用定制的线性扫描算法来高效更新非参数基线风险函数，解决了半参数联合建模中主要的计算瓶颈。该包还通过将线性扫描算法与 landmark 多变量联合建模框架结合，支持常用的时变潜在关联结构。FastJM 提供了统一的接口用于模型设定、估计、推断、可视化、动态预测以及预测性能评估（包括交叉验证的时变准确度指标和时不变一致性统计量）。文章通过可复现的示例展示了主要功能，对从事纵向因果推断或生存分析的统计计算研究者具有实用价值。
关键技术: linear-scan algorithm, EM algorithm, semiparametric joint model, baseline hazard estimation, landmark multivariate joint modeling, time-dependent association
为什么对您有用: 本文直接关联到统计计算（软件实现）和纵向因果推断（联合模型是工具变量/中介分析的重要工具）。武器库中的软件开发和 M-estimation 理论可直接用于理解其 EM 算法和线性扫描加速机制，属于立即可做的范畴——可以评估其计算复杂度是否可进一步通过 tensor-contraction 视角优化。

3. 2608.13851 — Scalable likelihood-based inference for limited dependent variable models¶

作者: David T. Frazier, Ruben Loaiza-Maya, Didier Nibbering
相关性 6/10 · novelty: new_method
摘要: 本文针对有限因变量模型（如离散选择、截断需求模型）中似然函数涉及高维潜变量积分、导致经典极大似然估计不可行的问题，提出可扩展的随机梯度上升算法 SEGA。核心机制是利用 Fisher 恒等式，将不可处理的似然得分替换为基于单次潜变量条件抽样的无偏增广数据得分，并将其嵌入随机梯度上升迭代中。理论证明，在足够多的迭代次数下，SEGA 估计量渐近等价于不可行的 MLE。进一步基于 Fisher 和 Louis 恒等式构造了方差估计量，使得常规推断（置信区间、假设检验）得以进行。实证部分以品牌选择和家庭需求两个大规模应用展示了 SEGA 在离散选择和截断需求模型中的实用性。对您而言，本文属于统计计算方向，其“用随机梯度替代高维积分”的思路与您武器库中的“inverse problems with random noise”有潜在交集，但核心机器（随机梯度 MCMC / Fisher 恒等式技巧）不在您的熟悉或中等熟悉列表中，属于暂不可做方向，可作为 gateway reading 了解计算统计的前沿应用。
关键技术: Fisher's identity, stochastic gradient ascent, augmented-data score, Louis' identity, unbiased score estimation
为什么对您有用: 本文属于统计计算方向，与您 primary interest 中的“statistical computing (numerical methods, algorithm)”直接相关。但核心方法（Fisher 恒等式 + 随机梯度）不在您 technical_arsenal 的 very_familiar 或 moderately_familiar 列表中，属于暂不可做方向——您缺少随机梯度 MCMC 和潜变量模型推断的专门工具。不过，作为 gateway reading，本文清晰展示了如何用计算技巧绕过高维积分这一经典统计难题，对拓宽方法学视野有价值，值得花时间读全文。

4. 2608.13870 — Generalization Error Estimation for Primal--Dual Algorithms in Non-Smooth Regression¶

作者: Kai Tan, Pierre C Bellec
相关性 5/10 · novelty: new_method
摘要: 本文研究非光滑回归中 primal–dual 算法的泛化误差轨迹估计。以 ℓ1 惩罚最小绝对偏差回归和平方根 Lasso 为例，数据拟合损失不可微，现有针对梯度型优化路径的风险估计器无法直接应用。作者发展了一个通用递归框架，涵盖 Chambolle–Pock 算法及相关 primal–dual 分裂方法。通过用过去对偶迭代的加权组合修正每个样本内拟合值来估计风险；理想权重是 Stein 导数收缩量，依赖于设计协方差。作者从拟合信号轨迹的可观测导数收缩量构造替代权重，得到无协方差、数据驱动的修正项。对高维高斯设计和固定有限迭代步数，证明了两个估计器的有限样本保证；对平方根 ridge 进一步建立了超越高斯设计的匹配高斯普适性结果。数值实验表明所提估计器能准确跟踪有限优化路径上的样本外风险。本文对您可能有用：它连接了统计计算中的计算-统计折衷（有限迭代下的风险估计）与高维统计中的普适性理论，而您对高维统计和统计计算均有兴趣，且武器库中的 minimax bounds 和 high-dimensional asymptotics 可直接用于分析其有限样本保证的紧性。
关键技术: primal-dual algorithm, Chambolle-Pock algorithm, Stein's lemma, risk estimation along optimization path, universality in high dimensions, square-root Lasso
为什么对您有用: 本文连接了您的两个 primary interest：统计计算（有限迭代下 primal–dual 算法的风险估计）和高维统计（平方根 Lasso 的普适性结果）。武器库中 very_familiar 的 high-dimensional asymptotics 可直接用于验证其有限样本保证是否紧；moderately_familiar 的 M-estimation theory 可帮助理解非光滑损失下的风险估计框架。中期可做：若想将类似轨迹估计方法推广到其他非光滑损失（如分位数回归），需先在 moderately_familiar 的 M-estimation theory 上加强。

5. 2608.12998 — WIRED: Weighted Adaptive Prediction with Structured Dependence for Probabilistic Multiseries Forecasting¶

作者: Giancarlo Vercellino
相关性 4/10 · novelty: minor
摘要: 本文提出 WIRED，一个用于多变量时间序列联合概率预测的 R 包算法。其核心架构将边际分布的适应性聚合（基于 CRPS 的软最大权重）与跨序列依赖结构（高斯或 Student t copula）分离。在四个合成 DGP、三个预测期、30 次重复的基准测试中，与九种消融和外部基线对比，并在内置 EuStockMarkets 数据上进行了滚动起点研究。主要贡献是架构设计和诊断：当前 CRPS 外推的软最大加权不够稳健，未能优于简单的 bootstrap 或等权替代方案。论文因此识别出边际聚合层的瓶颈，并指出了更正则化的概率集成构建的研究路径。对您而言，该文是统计计算中软件包设计与诊断的案例，其分离式架构和基准测试方法可迁移至您自己的软件工具开发。
关键技术: CRPS-based adaptive weighting, Gaussian copula, Student t copula, rolling-origin evaluation, probabilistic ensemble construction
为什么对您有用: 本文属于统计计算（软件包设计与诊断），直接对应您的 primary interest 中的 statistical computing。其分离式架构（边际聚合 + 依赖建模）和基准测试设计是您开发软件时可直接借鉴的模式。武器库中 'software development' 项可立即用于复现或改进其加权层（立即可做）。

6. 2608.12641 — Empirical Simulation of Survival and Mixed-Type Data for Clinical Trial Design¶

作者: Yao Chen, Jiren Sun, Yuxin Ding, Yushi Liu, Yongming Qu
相关性 4/10 · novelty: new_method
摘要: 本文针对临床试验设计中生存数据模拟的局限性，提出一个基于经验copula的框架，用于生成包含连续、二值、计数和右删失时间-事件变量的多变量数据。传统方法依赖Weibull或对数正态等参数族，限制风险函数形状且难以匹配真实生存数据。作者通过两阶段程序处理删失历史数据：条件Kaplan-Meier插补结合参数尾部，再通过对数尺度位置-尺度变换和幂扭曲经验百分位函数匹配目标生存分布，最后用拟合秩相关的Gaussian copula保留历史依赖结构。在非小细胞肺癌试验中，该方法仅用对照组数据和少量目标百分位数即可重建实验组的总生存期和无进展生存期曲线。模拟保留基线协变量间的秩相关以及PFS与OS的依赖关系，删失Kendall's tau为0.522（真实数据0.549）。方法已实现为R包EmpiricalSim。对您而言，这是一篇统计计算与软件实现方向的实用工作，其经验copula+插补+变换的组合思路可迁移至您熟悉的因果推断模拟研究中（如生成符合特定生存分布的潜在结果数据）。
关键技术: empirical copula, conditional Kaplan-Meier imputation, location-scale transformation, power distortion of empirical percentile function, Gaussian copula, rank correlation preservation
为什么对您有用: 本文属于统计计算与软件实现方向，直接对应您的primary interest中的'statistical computing (numerical methods, algorithm)'。核心方法——经验copula+条件KM插补+位置-尺度变换——是您'very_familiar'的'nonparametric statistics'和'estimation theory in causal inference'武器库可以攻克的：您可以用U-statistic的投影理论分析其秩相关估计量的渐近方差，或用minimax框架评估其尾部插补的收敛率。中期可做：若想将这套框架推广到更复杂的因果结构（如时变混杂下的生存数据模拟），需先在'moderately_familiar'的'identification theory in causal inference'上长肌肉。

天体统计 (astrostats, 3 篇)¶

1. 2608.13991 — On the Acceleration of Pulsar Timing computations using Normalising Flows and Parallelisation¶

作者: Churchil Dwivedi, Hiya Shah, Hemanga Tahbildar
相关性 6/10 · novelty: application
摘要: 本文针对脉冲星计时阵列（PTA）数据分析中的计算瓶颈——高维、多模态似然景观及强相关性——提出使用归一化流（Normalising Flow）预处理的蒙特卡洛采样方法（POCOMC包），首次将其应用于PTA特定计算。与广泛使用的PTMCMCSAMPLER和DYNESTY包相比，POCOMC在单节点性能上表现最优，仅需约10小时即可完成相关搜索，且无需GPU或HPC支持。同时，文章利用PARALLEL_BILBY架构在HPC上测试了并行化加速，发现16节点下非相关和Hellings-Downs相关公共红噪声搜索分别只需约10分钟和100分钟。实验基于真实长基线模拟数据集，涵盖单脉冲星噪声分析和公共红噪声分析。结果表明，POCOMC在无GPU/HPC环境下具有显著优势，而PARALLEL_BILBY在并行化效率上最高。该工作对处理日益增长的PTA数据量和复杂模型具有重要实际意义。作为一篇应用导向的论文，其方法学新颖性在于将归一化流引入PTA计算，但核心采样技术本身并非全新。
关键技术: Normalising Flows, Preconditioned Monte Carlo, Parallelisation (PARALLEL_BILBY), Pulsar Timing Array likelihood, POCOMC package
为什么对您有用: 本文属于astrostats的gateway reading：它清晰阐述了PTA数据分析的计算挑战（高维、多模态、强相关），并比较了不同采样方法的效率，对统计学家而言是理解该领域数据结构和计算瓶颈的良好入门读物。武器库中'软件开发和并行计算'的熟悉度足以支撑理解其计算加速策略，但核心的归一化流方法并非当前武器库的强项，属于'暂不可做'范畴——若想深入改进PTA采样方法，需先学习归一化流和变分推断。不过，作为了解天文统计中一个具体计算问题的窗口，值得花时间阅读全文。

2. 2608.12999 — SNIFFLES I: Intended Emission, Unwanted Emission, and Unintended Radiation from Low-Earth Orbiting Satellites Impacting Radio Astronomy from 1-26 GHz¶

作者: Balthasar Indermuehle, Liroy Lourenco
相关性 5/10 · novelty: application
摘要: 本文是 SNIFFLES 项目的首批观测结果，旨在系统性地表征低地球轨道卫星群（Starlink、OneWeb、Amazon Leo、Guowang）在 1-26 GHz 射电天文接收频段内的三类干扰：有意发射、带外杂散发射和平台无意辐射。研究使用澳大利亚 Mopra 22 米射电望远镜和 ATCA 干涉仪，进行了 4629 次跟踪观测（共 375.9 小时），通过多普勒频移与星历表关联确认卫星身份。在四个星座系统中的三个系统上检测到 300 多个频率上的 2345 次干扰事件，包括 Starlink DTD 信号的四次谐波（约 10.5 GHz）以及落在保护频段（如 OH 线 1613.19 MHz）的发射。在 2700 MHz 处，无意辐射在相关卫星版本的所有观测中占 76.9%，ATCA 后续测量确认其通量密度比典型天文源亮 11 个数量级，远超射电接收机饱和阈值。作为一篇观测报告，本文的方法学 novelty 有限，但为射电天文学界提供了急需的干扰频谱特征数据库。对于您作为统计学家，本文是极好的入门读物：它清晰展示了射电天文数据的结构（时间序列、多普勒频移、通量密度测量）、噪声来源（人为干扰 vs 天体信号）以及选择效应（跟踪观测的几何与时间采样），让您无需天文学背景就能理解一个真实的数据分析问题——如何从被严重污染的观测中分离和表征干扰信号。
关键技术: Doppler shift correlation with ephemerides, tracked satellite observations, spectral line identification, flux density measurement
为什么对您有用: 本文属于 astrostatistics 的 gateway reading。它完全满足入门标准：(a) 对天文学外行友好，不假设射电天文术语，自包含地解释了干扰分类和观测流程；(b) 清晰阐述了天文学界关心的更大科学问题——卫星星座对射电天文观测的威胁；(c) 数据层面（时间序列、多普勒频移、通量密度、选择效应）和模型层面（干扰分类、检测阈值）都有明确交代，是一个统计学家能直接理解的数据分析问题。您的武器库中 nonparametric statistics 和 high-dimensional asymptotics 足以支撑您进入这个方向——例如，可以用非参数方法建模干扰信号的频谱分布，或用高维检测理论分析多频率同时检测的 false discovery control。这是一篇值得花时间读全文的入门材料。

3. 2608.13464 — JWST MIRI Medium Resolution Spectrometer Point Fixed Pattern Corrections: Cleaner and Higher Signal-to-Noise Spectra of Point Sources¶

作者: Karl D. Gordon, David R. Law
相关性 4/10 · novelty: application
摘要: 本文针对 JWST MIRI 中分辨率光谱仪（MRS）的固定模式噪声问题，提出了一种点源固定模式校正（PFPC）方法。PFPC 利用 O、A、G 型矮星和小行星的观测数据，基于默认的四点抖动模式构建校正模板。该方法可单独使用，也可与管线残余条纹校正结合，有效去除窄带和宽带伪影。对于高信噪比观测，PFPC 可将信噪比提升数倍，达到 1000 以上。作者提供了 MRS-PFPC Python 包供社区使用。作为一篇天文仪器数据处理的应用型论文，其方法学创新有限，但数据预处理流程清晰，适合作为天文统计的入门读物。
关键技术: fixed pattern noise correction, dither pattern, JWST MIRI MRS, calibration stars, Python package
为什么对您有用: 这是一篇 astrostatistics 方向的 gateway reading，适合作为统计学家了解天文仪器噪声结构的入门材料。论文清晰描述了数据采集模式（四点抖动）、噪声来源（固定模式噪声）和校正流程，但方法本身是经验性模板校正，不涉及统计推断或建模。武器库中的 nonparametric statistics 和 high-dimensional asymptotics 在此处无用武之地；若想深入天文统计，需先补充天文图像处理（如 drizzling、PSF 建模）的基础知识。本文值得一读以拓宽视野，但暂不可做 follow-up。

经济理论 / 应用 (econ_theory, 2 篇)¶

1. 2608.13953 — Limited-Information Estimation of Heterogeneous Agent Models¶

作者: Laura Liu, Mikkel Plagborg-Møller, Nelson Matthew P. Tan
相关性 6/10 · novelty: new_method
摘要: 本文提出一种在异质性主体宏观经济模型中，仅利用单个模块（如家庭部门）的有限信息进行结构参数估计和检验的方法，无需对整个经济系统（如生产、投资、金融中介、货币政策等）施加完整设定。核心思想是：在广泛的一类模型中，个体决策仅依赖于对有限维“充分统计量”（如资产回报、总收益）的预期演化。估计器通过匹配（a）个体决策的横截面矩（如消费分布矩）和（b）充分统计量对识别出的宏观冲击的实证脉冲响应，来选择结构参数，使得模型隐含的脉冲响应与实证脉冲响应最佳拟合。模拟示例中，作者在不设定生产、投资等其余模块的情况下，成功估计了一个两资产异质性家庭模型模块。该方法本质上是一种有限信息矩估计（limited-information moment estimation），其识别依赖于脉冲响应匹配，而非完整似然或完整模型模拟。对您而言，本文展示了经济学中一种实用的半参数式估计策略，其“局部建模、全局匹配”的思路与您对因果推断中部分识别和敏感性分析的关注有潜在联系，可作为经济理论应用方向的入门阅读。
关键技术: impulse response matching, limited-information estimation, sufficient statistics, simulated method of moments, heterogeneous agent models
为什么对您有用: 本文属于经济理论应用方向，是您的次要兴趣。作为入门读物，它清晰阐述了异质性主体模型估计中“局部建模”的动机和操作，不要求读者精通宏观经济学全貌。您的武器库中“estimation theory in causal inference”和“nonparametric statistics”足以理解其矩匹配和识别策略，但该文本身不涉及您擅长的更高阶U统计量或半参数效率理论，因此属于“暂不可做”范畴——核心机器（脉冲响应匹配、DSGE模型模拟）不在您的武器库中，但作为了解经济学实证方法的gateway reading值得一读。

2. 2608.14307 — Macroprudential Policy and Downside Risk: Regime-Dependent Effects of Capital Regulation¶

作者: Vivien Czofa, Tibor Szendrei, Katalin Varga
相关性 5/10 · novelty: application
摘要: 本文使用阈值贝叶斯向量自回归（TBVAR）模型，以系统性压力指数（FISS）为阈值变量，估计匈牙利资本监管的体制依赖宏观经济效应。模型识别出正常与压力两种体制，与偶尔约束文献一致。TBVAR为数据受限经济体提供了Growth-at-Risk的实用多变量替代方案。广义脉冲响应显示显著非对称性：压力期释放监管资本在峰值时提高GDP增长，效果持续约20个月；而正常期积累资本的经济成本可忽略。结果对替代Cholesky排序、样本期和信贷变量定义稳健，为资本缓冲逆周期操作提供了直接实证支持。对您而言，这是一篇应用计量经济学论文，展示了阈值模型在宏观审慎政策评估中的实际应用，可作为经济理论次级兴趣的入门阅读。
关键技术: Threshold Bayesian VAR, Generalised Impulse Response, Factor-based Index of Systemic Stress, Growth-at-Risk alternative
为什么对您有用: 本文属于经济理论次级兴趣的应用论文，展示了TBVAR在宏观政策评估中的实际应用。您的武器库中非参数统计和M估计理论可帮助理解阈值模型的识别与推断，但核心是应用而非方法创新。作为入门读物，它清晰阐述了模型设定、数据结构和政策含义，值得花时间阅读全文以了解宏观审慎政策实证分析范式。

其他 (other, 7 篇)¶

1. 2608.14542 — Generation-Powered Inference for Distribution-Valued Outcomes¶

作者: Yijiao Zhang, Hongzhe Li
相关性 6/10 · novelty: new_method
摘要: 本文提出 generation-powered inference (GPI) 框架，用于利用辅助生成模型改进分布值参数的推断，目标 estimand 是 Wasserstein 重心及相关分布泛函。核心创新是将非线性 Wasserstein 空间中的推断转化为 Hilbert 空间中均值函数的估计，通过函数值桥表示实现类似 prediction-powered inference 的增广估计。GPI 估计量族通过最优信息借用整合标记数据和生成模型输出，建立了相合性、渐近正态性和同时置信带，并推导了线性泛函和 Wasserstein 距离的有效推断。理论分析不依赖生成模型的正确性，仅需其提供辅助信息，对模型误设具有稳健性。模拟显示 GPI 在效率上优于仅用标记数据的方法。应用案例为单细胞 Perturb-seq 研究，利用 State 基础模型生成的合成扰动响应改进对 40S 核糖体模块相关通路共识基因表达分布的推断。本文属于统计方法学与计算生物学交叉，对您而言，其增广推断框架与 prediction-powered inference 的思想可迁移至因果推断中的代理变量或负对照设定，但核心工具（Wasserstein 空间、函数值桥）不在您当前武器库中，属于暂不可做的方向。
关键技术: prediction-powered inference, Wasserstein barycenter, function-valued bridge representation, augmented estimation, simultaneous confidence bands
为什么对您有用: 本文连接您的 secondary interest 中 general science 的 gateway reading 范畴（Nature Methods 风格的方法学论文），但核心方法（Wasserstein 空间推断）与您 primary interests 的 causal / high-dim / U-stat 方向无直接重叠。武器库中 very_familiar 的 minimax bounds 和 estimation theory 可用于理解其效率增益的理论边界，但核心机器（函数值桥表示、Wasserstein 几何）不在 arsenal 中，属于暂不可做的方向。作为 gateway reading，本文对分布值输出的统计推断提供了清晰框架，适合作为了解 prediction-powered 思想在非欧空间推广的入门读物，但无需深入全文。

2. 2608.14062 — A Unified Bayesian Model for Voter Turnout Estimation: Combining Surveys, Aggregate Data, and Selection Correction¶

作者: Margus Niitsoo, Reimo Rebane, Tarmo Jüristo
相关性 6/10 · novelty: application
摘要: 本文提出一个贝叶斯分层框架，用于在人口统计子组层面估计选民投票率。核心挑战是：调查数据存在过度报告、非代表性及不可忽略的无应答，而聚合数据的生态推断易受生态谬误影响。框架包含三个模型：多水平生态推断模型将MRP结构扩展到聚合数据；投票与边际模型在统一似然中联合拟合调查和边际数据；全选择模型在随机接触假设下加入Heckman式选择校正，并使用信息先验进行识别。模拟表明，全选择模型在强选择偏差或严重删失下显著优于现有基准，但对未建模的选择噪声敏感。在2023年爱沙尼亚议会选举的应用中，投票与边际模型在可用验证边际上与当前最优方法表现相当。本文是应用导向的方法学论文，方法学新颖性有限，主要贡献在于将现有贝叶斯工具组合应用于投票率估计这一具体问题。
关键技术: Bayesian hierarchical model, multilevel regression with poststratification (MRP), ecological inference, Heckman selection correction, informative priors
为什么对您有用: 本文属于应用统计工作，与您的主要兴趣（因果推断、高维统计等）无直接技术重叠。作为流行病学或社会科学应用的gateway reading，它展示了如何将贝叶斯分层模型与选择校正结合处理缺失数据问题，但方法学深度有限。武器库中的非参数统计和估计理论可帮助理解其先验设定对后验收缩的影响，但核心机器（贝叶斯分层建模、选择模型）不在您的武器库中，且方法学贡献不足以支撑中期可做的follow-up。建议仅作为跨领域阅读快速浏览。

3. 2608.14129 — Exact Likelihood Inference for Snowball-Sampled Erdős-Rényi Networks¶

作者: Nurzhan Sapargali, Sergio Buttazzo, G\''oran Kauermann
相关性 5/10 · novelty: new_method
摘要: 本文研究雪球抽样（snowball sampling）网络数据的统计推断问题。在Erdős-Rényi网络模型下，作者推导了r波雪球样本的精确似然函数，发现该似然构成一个关于边概率π的弯曲指数族（curved exponential family），且充分统计量维度很低。基于此，他们得到了考虑抽样设计的最大似然估计量，该估计量能充分利用样本信息。模拟表明，即使样本仅覆盖网络的0.1%，该校正估计量也几乎无偏，显著优于忽略抽样机制的朴素估计量。此外，通过蒙特卡洛模拟近似精确抽样分布并反演检验，构建了π的有效置信区间，覆盖率达到名义水平。本文是方法学贡献，但问题设定（Erdős-Rényi网络+雪球抽样）与您的主要兴趣方向（因果推断、高维统计、U统计量等）距离较远，且未涉及您武器库中的核心工具。作为gateway reading，它清晰展示了网络抽样中的选择偏差问题，但领域门槛较高，对您而言暂不可做。
关键技术: exact likelihood inference, curved exponential family, snowball sampling, Erdős-Rényi model, Monte Carlo confidence intervals
为什么对您有用: 本文属于网络抽样推断领域，与您的主要兴趣方向（因果推断、高维统计、U统计量）无直接交集。作为gateway reading，它清晰阐述了link-tracing设计中的选择偏差问题，但需要网络科学背景知识。您的武器库（非参统计、minimax界、因果推断）无法直接攻入本文核心——缺网络抽样理论和指数族精确似然推导工具。暂不可做。

4. 2608.14895 — On WAIC for Dependent Data: A Covariance-Corrected Framework with Linear-Time Complexity¶

作者: Safaa K. Kadhem
相关性 4/10 · novelty: new_method
摘要: 本文针对 WAIC（广泛适用信息准则）在序列或空间相关数据中因条件独立性假设失效而低估模型复杂度的问题，提出协方差校正版 CC-WAIC。CC-WAIC 显式纳入对数似然贡献的完整后验协方差结构，在独立数据下退化为标准 WAIC，是一种自然推广而非临时修补。为克服全协方差矩阵的 O(n²) 计算成本，作者开发了基于带状协方差近似的线性时间实现，并给出了近似误差的理论保证；同时引入有效样本量校正以缓解 MCMC 有限样本偏差。在隐马尔可夫模型、Old Faithful 间歇泉数据和 S&P 500 波动率建模的模拟与实证中，CC-WAIC 在强时间依赖和小样本下显著优于 WAIC、LOO-CV、iWAIC 和 WAICNF。该方法为依赖数据场景提供了计算可扩展且理论有据的贝叶斯模型选择工具，但依赖指数混合和精确条件似然假设，对长记忆过程的推广尚待研究。
关键技术: Widely Applicable Information Criterion (WAIC), posterior covariance correction, banded covariance approximation, effective sample size correction, Hidden Markov Models, MCMC estimation
为什么对您有用: 本文属于贝叶斯模型选择的方法论改进，与您的 primary interests 无直接重叠（非因果推断、高维、U-统计或半参效率）。但作为统计计算与算法设计的一个案例，其线性时间近似策略（带状协方差+误差界）对您 moderately_familiar 的 M-estimation 理论中的协方差估计问题有参考价值。中期可做：若您想将类似带状近似思路用于高维 U-统计量的方差估计，需先在 moderately_familiar 的 higher-order U-statistics 理论上长肌肉（特别是 U-统计量方差分解的稀疏结构）。

5. 2608.14091 — An integration of decision trees into latent class modeling with covariates¶

作者: Johan Lyrvall, Felix Clouth
相关性 4/10 · novelty: new_method
摘要: 本文提出将决策树直接集成到潜在类别分析（LCA）框架中，以替代传统的逻辑回归模型来建模协变量对类别成员概率的影响。传统逻辑模型在处理协变量间复杂交互时容易因遗漏交互项而设定错误，且高阶交互项的解释性迅速恶化。新方法将决策树作为协变量效应的非参数模型，通过递归分割生成易于解释的树状结构，引导用户从预测变量组合到最终的条件分类。该方法不引入LCA框架之外的非常规假设，基于已有的模型估计流程（如EM算法），可方便地在现有软件中实现。论文聚焦于二元协变量，提出了两种剪枝策略，并给出了真实数据示例。对您而言，本文属于应用统计方法开发，与您的主要兴趣（因果推断、高维统计、半参数理论）无直接技术重叠，但可作为了解LCA与决策树结合的入门读物。
关键技术: latent class analysis, decision trees, recursive partitioning, model-based clustering, pruning strategies
为什么对您有用: 本文属于统计方法开发，但与您的主要兴趣（因果推断、高维统计、半参数理论）无直接技术重叠。作为gateway-reading，本文对LCA和决策树的结合做了清晰介绍，适合作为了解该领域的入门读物。您的武器库（非参数统计、M估计理论）可支撑理解其模型框架，但核心机器（树模型剪枝、LCA的EM算法）不在您的技术库中，属于暂不可做方向。

6. 2608.13886 — A Forecast Combination Framework for Hierarchical and Grouped Time Series Reconciliation¶

作者: Xixi Li, Zijia Chen, James W. Taylor, Xiaojie Mao
相关性 4/10 · novelty: new_method
摘要: 本文提出一个将预测组合与层次/分组时间序列协调统一起来的框架。核心思想是：对每个底层序列，从聚合约束中构造一组最大线性无关的结构化候选预测，然后证明对这些候选进行最优组合并聚合，等价于标准的无偏线性协调。进一步证明，均方误差最优组合权重恰好恢复出广泛使用的 MinT 协调方法，且最优权重问题可分解为每个底层序列独立的 Bates-Granger 最优组合。在有限样本估计中，作者提出模块化惩罚框架，囊括现有 MinT 变体并支持协方差收缩、权重惩罚和可扩展的逐序列独立估计。实证表明该方法实用且能提升精度。该工作主要贡献在于理论解释（将 MinT 重新解释为层次诱导候选预测的最优组合）和框架灵活性，而非新的统计推断方法。对您而言，该文属于时间序列预测领域，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接交集，但若您未来涉足纵向数据或经济预测中的协调问题，可作为背景阅读。
关键技术: forecast reconciliation, MinT (Minimum Trace) reconciliation, Bates-Granger optimal forecast combination, penalized estimation, hierarchical time series
为什么对您有用: 本文属于时间序列预测方法，与您的主要兴趣方向（因果推断、高维统计、U-统计量、半参理论）无直接技术交集。作为 gateway reading，它清晰阐述了层次协调与预测组合的联系，但问题设定和工具（线性协调、协方差估计）不在您的技术武器库核心。暂不可做：核心机器（时间序列协调的特定结构、MinT 的协方差估计细节）不在武器库中，且该领域与您的 primary interests 距离较远。

7. 2608.13229 — Foundations of Independent Component Analysis¶

作者: Patrick Forré
相关性 4/10 · novelty: survey
摘要: 本文系统梳理了线性独立成分分析（ICA）的数学基础，面向具备测度论概率论背景的读者。首先详细发展了特征函数理论，包括其解析性质以及如何唯一确定分布。随后在源变量假设从仅非常数、到非高斯、再到无高斯成分逐步加强的条件下，给出了ICA模型的一系列可识别性结果。在最严格的无高斯成分假设下，证明了即使存在加性高斯噪声，独立源也可在平移、置换、尺度与符号意义下被识别。最后介绍了标准无噪声非高斯ICA设定下的在线等变梯度下降ICA算法。本文是一篇综述性笔记，未提出新方法或新理论。
关键技术: characteristic function, identifiability theory, equivariant gradient descent, independent component analysis
为什么对您有用: 本文属于方法学综述，与您的主要兴趣（因果推断、高维统计、半参理论）无直接技术重叠。作为gateway reading，它清晰阐述了ICA的识别性条件与特征函数工具，但武器库中缺乏处理ICA问题的核心工具（如非高斯性度量、盲源分离的算法分析），暂不可做。若您未来对因果推断中的潜变量模型或高维非高斯数据感兴趣，本文可作为入门参考，但当前不值得花时间精读。

🗂 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. 2608.14898 — Sequential Importance Sampling for Thinned Count Autoregressions via Latent Gaussian Transformations¶

作者: Joey Fingold, Justin J. Slater
相关性 3/10
评分理由: Count time series models are tangential to primary interests in causal inference and high-dimensional statistics.

2. 2608.14878 — Quantification and Decomposition of Uncertainty Using Sliced-Normal Distribution: With Applications to NASA Data¶

作者: Arindam RoyChowdhury, Luis G. Crespo, Henry Lam
相关性 3/10
评分理由: NASA uncertainty quantification is a general application with no clear link to primary interests.

3. 2608.13986 — Coherence, charity and triangulation in statistical modelling¶

作者: David J. T. Sumpter
相关性 3/10
评分理由: 贝叶斯统计的哲学讨论，与主要技术兴趣无直接关联，非方法论贡献。

4. 2608.13713 — Hyperbolic Latent Position Models for Hierarchical Bipartite Data¶

作者: Kisung You
相关性 3/10
评分理由: Hyperbolic latent position models for bipartite data are a niche topic, unrelated to the researcher's primary interests.

5. 2608.13423 — COBRA-DOSE: Copula-based Bayesian Model Averaging for Dose Selection¶

作者: Luke Hagar, Min Zhang, Ranjeny Thomas, Andrew J. Martin
相关性 3/10
评分理由: Bayesian dose selection in clinical trials is an applied topic with little overlap with the researcher's theoretical interests.

6. 2608.12922 — A Revisit to Point Estimation Through the Empirical Bayes Method: The Case of Binomial Distribution with Beta Prior and Extension to Poisson Distribution¶

作者: Quoc-Bao Nguyen, Nabendu Pal, Dang Van Vinh
相关性 3/10
评分理由: Empirical Bayes for binomial/Poisson is a classic topic but the abstract is too generic and lacks connection to the researcher's primary interests in causal inference, high-dim, or U-statistics.

7. 2608.11542 — Analytically Corrected Bayesian Modularization for Local Item Calibration¶

作者: Paul A. Jewsbury, Steven W. Nydick
相关性 3/10
评分理由: Bayesian modularization for item calibration in educational testing is a specialized application far from the researcher's primary interests.

8. 2608.11481 — Time-Varying Multi-Seasonal ARMA Models¶

作者: Ganna Fagerberg, Mattias Villani, Robert Kohn
相关性 3/10
评分理由: Time-varying multi-seasonal ARMA models are a time-series topic with no overlap with causal inference, high-dim statistics, or U-statistics.

9. 2608.11029 — A parametric framework for assessing and estimating sufficient follow-up time in cure models¶

作者: Luiz Silva-Resende, Dionisio Alves-Neto, Danilo Alvares, Vera Tomazella
相关性 3/10
评分理由: Cure models in survival analysis are not aligned with the researcher's primary interests in causal inference, high-dim, or semiparametric theory.

10. 2608.10731 — When Is a General Factor Distinguishable? Non-Proportionality, Stable Structure, and the Bifactor Decision¶

作者: Jinsong Chen
相关性 3/10
评分理由: Bifactor models in psychometrics are a specialized topic with no clear connection to the researcher's primary interests.

11. 2608.13510 — On the Structural Limits of Machine Learning Decision Systems: An Information-Theoretic, Interaction-Based, and Stochastic-Dynamical Perspective¶

作者: Nestor R. Barraza, Gabriel Pena
相关性 3/10
评分理由: 信息论和随机动力学的综述，与主要统计兴趣（因果推断、高维统计等）无直接关联。

12. 2608.14864 — An open-source data processing pipeline for Keck / NIRC2-Polarimetry¶

作者: Briley L. Lewis, Maxwell A. Millar-Blanchaer, Rebecca Zhang, Jayke Nguyen, Max Brodheim, Ashish Uhlmann
相关性 3/10
评分理由: 天文数据处理管线，涉及软件但无统计方法，与研究者兴趣弱相关。

13. 2608.13516 — Numerical Model Simulation of the Carruthers GCI Images¶

作者: Heather Filippini, Alex Zhang, Evan Widloski, Jason McPhate, Lara Waldrop, Thomas Immel et al.
相关性 3/10
评分理由: 天文观测任务与数据反演算法，但描述过于工程化，缺乏统计方法论细节，不符合天文网关阅读标准。

14. 2608.12193 — LIGO Detector Characterization in the Second and Third Parts of the Fourth Observing Run¶

作者: J. Glanzer, A. F. Helmling-Cornell, A. Calafat, S. R. Callos, E. Capote, A. Effler et al.
相关性 3/10
评分理由: LIGO探测器表征，虽涉及噪声缓解但为工程描述，无统计方法论可转移。

15. 2608.12110 — Updates to WFC3/UVIS Encircled Energy Values in Select Filters¶

作者: Anne O'Connor, Jennifer Mack, Varun Bajaj
相关性 3/10
评分理由: HST点扩散函数校准，有数据分析但属天文常规操作，无统计方法论创新。

16. 2608.11659 — Towards Genuine Coexistence: Per-Satellite Emission and Radiation Limits to Protect Radio Astronomy and Geodetic VLBI at 1-14 GHz from Satellite Constellations¶

作者: Balthasar Indermuehle, Lucia McCallum, Emma van der Wateren, Hayo Hase, Benjamin Winkel, Liroy Lourenco et al.
相关性 3/10
评分理由: 射电天文干扰保护，涉及频谱管理但无统计建模或数据分析方法。

17. 2608.09862 — A bestiary of low-level electrical artifacts in SPHEREx flight data¶

作者: Candice M. Fazar, Michael Zemcov, C. Darren Dowell, Brendan P. Crill, Chi Nguyen, Howard Hui
相关性 3/10
评分理由: 天文数据管道中的伪影处理，涉及数据处理但无统计方法创新。

18. 2608.09657 — Wigner interferometry¶

作者: Vladimir Lenok
相关性 3/10
评分理由: Wigner函数相关干涉测量，理论物理方法，与统计兴趣无关。

19. 2608.09630 — Unsupervised Domain Adaptation for Multitask Image Analysis in Realistic Context with Extreme Label Shift; Application to the CTAO first Large Sized Telescope¶

作者: Michaël Dell'aiera, Thomas Vuillaume, Alexandre Benoit
相关性 3/10
评分理由: Astrostatistics paper on domain adaptation for CTAO, but abstract lacks clear data/model exposition and accessible framing for an outsider.

20. 2608.09237 — Optimizing Wavefront-Deformation Sensor Placement for Active Radio-Telescope Surfaces¶

作者: Stefan Thoms, Martin Timpe, Matthias Reichert
相关性 3/10
评分理由: Engineering optimization for radio telescope surface, no statistical or causal inference content, and not accessible as gateway reading.

21. 2608.14906 — Optimal Watermark Localization in Mixed-Source Large Language Model Texts¶

作者: Jose H. Blanchet, T. Tony Cai, Xiang Li, Hao Liu, Qi Long, Weijie J. Su
相关性 2/10
评分理由: LLM watermarking is unrelated to primary or secondary interests.

22. 2608.13971 — Interval Estimation of the Common Shape Parameter and Coefficient of Variation of Several Weibull Populations under Progressive Censoring¶

作者: Bankitdor M. Nongrum, Adarsha Kumar Jena
相关性 2/10
评分理由: Weibull分布的区间估计，属于经典参数统计，与主要兴趣领域无关。

23. 2608.13363 — Weighted cumulative past inaccuracy and Kullback-Leibler divergence based on extropy: properties, estimation, and applications¶

作者: Bighneswar Sahoo, Suchandan Kayal
机构: National Institute of Technology Rourkela
相关性 2/10
评分理由: Weighted extropy-based divergence measures are a specialized information-theoretic topic, far from the researcher's interests.

24. 2608.12738 — Hyper-V uniform ergodicity of Markov chains¶

作者: Austin Brown, Kshitij Khare
相关性 2/10
评分理由: 马尔可夫链的遍历性理论，属于概率论，与主要统计兴趣无直接关联。

25. 2608.11935 — Induction and the rule of succession through a possibilistic inferential model lens¶

作者: Ryan Martin, Shih-Ni Prim, Jonathan P. Williams
相关性 2/10
评分理由: 归纳推理和可能性推理框架的哲学讨论，与统计方法论或主要兴趣无关。

26. 2608.14874 — Sub-Pixel Calibration of CMOS Sensors for Precision Astrometry¶

作者: M. Shao, I. Hahn
相关性 2/10
评分理由: 纯天文仪器校准论文，无统计方法或数据建模内容，与研究者兴趣无关。

27. 2608.14873 — Enabling Quantitative Polarimetry for Keck/NIRC2: Preliminary Mueller Matrix Model Calibration¶

作者: Manxuan Zhang, Briley L. Lewis, Maxwell A. Millar-Blanchaer, Eduardo Marin, Jayke S. Nguyen, William Melby et al.
相关性 2/10
评分理由: 天文仪器偏振校准，无统计推断或数据建模，与研究者兴趣无关。

28. 2608.14048 — \(\texttt{Aether.jl}\) : A High-Performance 3D MHD and Multifluid Dust Code Written in a Dynamic Language with an Interactive Human-AI Development Framework¶

作者: Ka Wai Ho
相关性 2/10
评分理由: 天体物理MHD数值模拟代码，无统计方法或数据建模，与研究者兴趣无关。

29. 2608.13737 — Performance Analysis of the Asgard/NOTT Nulling Interferometer: Optimizing Observing Modes for High-contrast Detection¶

作者: J. P. Scott, S. Ertel, T. A. Stuber, D. Defrère, R. Laugier, J. C. Augereau et al.
相关性 2/10
评分理由: 天文干涉仪性能分析，无统计方法或数据建模，与研究者兴趣无关。

30. 2608.13728 — MORFEO control strategy¶

作者: Guido Agapito, Lorenzo Busoni, Cédric Plantet, Giulia Carlà, Alfio Puglisi, Jean-Pierre Véran et al.
相关性 2/10
评分理由: 纯天文仪器工程描述，无统计或数据建模内容，与研究者兴趣无关。

31. 2608.13640 — Laser Metrology for Precision Alignment of Transmission Gratings in the REDSoX Soft X-ray Polarimeter¶

作者: Swati Ravi, Alan Garner, Jill Juneau, F. Elio Angile, Ralf K. Heilmann, Herman L. Marshall et al.
相关性 2/10
评分理由: 纯光学/机械工程校准技术，无统计或数据建模内容，与研究者兴趣无关。

32. 2608.13257 — Optical concept model of the future cosmology project BISOU¶

作者: Morgane Loquet Le Gall, Bruno Maffei, Pierre Guiot, Creidhe O'Sullivan, Neil Trappe
相关性 2/10
评分理由: CMB谱畸变探测仪器的光学概念设计，纯工程描述，无统计或数据建模内容。

33. 2608.13225 — Optical development of the BISOU breadboard¶

作者: Morgane Loquet Le Gall, Creidhe O'Sullivan, Bruno Borgo, Clémence De Jabrun, Valentin Sauvage, Neil Trappe et al.
相关性 2/10
评分理由: CMB谱畸变探测仪器的光学开发，纯工程描述，无统计或数据建模内容。

34. 2608.13185 — FOSSIL's preliminary thermal architecture¶

作者: Valentin Sauvage, Clémence de Jabrun, Anaïs Besnard, Bruno Borgo, Ivan Charles, Jean-Marc Duval et al.
相关性 2/10
评分理由: CMB谱畸变探测任务的热架构设计，纯工程描述，无统计或数据建模内容。

35. 2608.12861 — Tropospheric Ducting Prediction based on GFS Model Data at Inyarrimanha Ilgari Bundara, the CSIRO Murchison Radio-astronomy Observatory¶

作者: Balthasar Indermuehle, Hajime Suzuki
相关性 2/10
评分理由: 纯射电天文工程，无统计方法或数据模型讨论，与研究者兴趣无关。

36. 2608.12137 — Voltage-to-temperature calibration of the High Altitude THz Solar telescope acquisition system¶

作者: Gedeane G. S. Kenshima, Daniel R. Sousa, Tiago Giorgetti, Paulo J. A. Simões, C. Guillermo Giménez de Castro
相关性 2/10
评分理由: 太阳望远镜校准，纯实验物理，无统计或数据建模内容。

37. 2608.11673 — LIGO A\(^\sharp\): Detector Design and Science Prospects Beyond A+¶

作者: L. Sun, K. Kuns, B. J. J. Slagmolen, P. Fritschel, P. Schmidt, B. T. Lantz et al.
相关性 2/10
评分理由: LIGO探测器升级设计，纯物理工程，无统计方法学内容。

38. 2608.10156 — The eXtreme Wavefront Control Toolkit: High-Contrast Imaging Instrument Control for Ground and Space-Based Coronagraphs¶

作者: Jared R. Males, Joseph D. Long, Sebastiaan Y. Haffert, Kyle Van Gorkom, Parker Johnson, Rico Landman et al.
相关性 2/10
评分理由: 天文仪器控制软件，无统计推断或数据建模内容。

39. 2608.10151 — Freezing the speckles: focal plane wavefront sensing with the spatially-clipped self-coherent camera¶

作者: Joshua Liberman, Sebastiaan Y. Haffert, Jared R. Males, Aditya Khandelwal, Stephanie Rinaldi, Joseph D. Long et al.
相关性 2/10
评分理由: 天文波前传感技术，无统计方法或数据建模内容。

40. 2608.09795 — Quasi-automatic software support for Gaia ground based optical tracking¶

作者: S. Bouquillon, C. Barache, T. Carlucci, F. Taris, M. Altmann, A. H. Andrei et al.
相关性 2/10
评分理由: 天文卫星跟踪软件，无统计方法或数据建模内容。

41. 2608.09340 — Kratos-linerad: GPU-accelerated Monte Carlo radiative transfer of lines with efficient imaging¶

作者: Lile Wang
相关性 2/10
评分理由: Pure astrophysics code paper with no data/model exposition or statistical methodology relevant to the researcher's interests.

42. 2608.13873 — Enhancing the performance and capabilities of the MIRI instrument on JWST¶

作者: S. Kendrew, M. Engesser, K. Rowlands, A. Noriega-Crespo, M. Decleir, H. Diamond-Lowe et al.
相关性 1/10
评分理由: JWST仪器操作改进报告，无统计方法或数据建模，与研究者兴趣无关。

43. 2608.13852 — CCAT: a two-octave 1.024 GHz KID readout featuring an overlap-channel polyphase synthesis filter bank on RFSoC¶

作者: Ruixuan, Xie, Adrian K. Sinclair, James Burgoyne, Maxwell Chapman, Scott Chapman et al.
相关性 1/10
评分理由: 天文探测器读出电子学硬件设计，无统计方法或数据建模，与研究者兴趣无关。

44. 2608.12577 — Laser-micromachined silicon-platelet feedhorns for large-scale submillimeter and millimeter-wave focal planes¶

作者: Jason E. Austermann, James Beall, Andrew Forsman, Haibo Huang, Johannes Hubmayr, Matthew A. Koc et al.
相关性 1/10
评分理由: 毫米波器件制造，无统计或数据科学内容，完全不相关。

45. 2608.12033 — Automation and Modernisation of Legacy BiSON Solar Observatories with the BiSON:NG Platform¶

作者: S. J. Hale, E. Murray, W. J. Chaplin, Y. P. Elsworth, R. Howe, P. L. Pallé et al.
相关性 1/10
评分理由: 太阳观测站自动化工程，无统计或数据科学内容。

46. 2608.10167 — CCD Rotation Rates From Regular Dispersion Solution Monitoring¶

作者: Matilde Mingozzi, Matthew Siebert
相关性 1/10
评分理由: 纯天文仪器校准报告，无统计方法或数据建模内容。

47. 2608.10130 — The Carruthers Mission Concept and Performance¶

作者: W. Craig, T. Immel, L. Waldrop, J. Troeltzsch, E. Taylor, J. McPhate et al.
相关性 1/10
评分理由: 太空任务概念描述，无统计方法或数据建模内容。

48. 2608.09835 — NASA ASTRA Initiative White Paper: Space-Based Mission for Ultrahigh Energy Particles¶

作者: Mauricio Bustamante, Johannes Eser, Ke Fang, Claire Guépin, John Krizmanic, Eric Mayotte et al.
机构: Wisconsin Parkinson Association
相关性 1/10
评分理由: 高能粒子物理白皮书，无统计方法或数据建模内容。

49. 2608.11113 — High-temperature photovoltaics for solar-electric Oberth maneuvers: ton-class payload feasibility for interstellar-precursor missions¶

作者: Nadim Maraqten, Willem van Lynden, Carlos Gómez de Olea Ballester, Andreas M. Hein
相关性 0/10
评分理由: 纯航天工程论文，与统计、因果推断、高维统计等兴趣完全无关。

50. 2608.10539 — Comparing realtime optical gain measurement and methods on MagAO-X¶

作者: Eden McEwen, Jared R. Males, Olivier Guyon, Sebastiaan Y. Haffert, Vincent Deo, Joseph D. Long et al.
相关性 0/10
评分理由: 自适应光学仪器工程论文，无统计方法或数据建模内容。

51. 2608.10307 — Closed-loop Atmospheric Dispersion Correction for High-Contrast Imaging with MagAO-X¶

作者: Katie Twitchell, Sebastiaan Haffert, Jared R. Males, Laird M. Close, Olivier Guyon, Kyle Van Gorkom et al.
相关性 0/10
评分理由: 天文仪器大气色散校正工程，无统计或数据科学相关。

52. 2608.10302 — windsoCC: reconstructing the wind-driven halo in MagAO-X images using wavefront sensor telemetry¶

作者: Jay K. Kueny, Jared R. Males, Alycia J. Weinberger, Laird M. Close, Joseph D. Long, Joshua Liberman et al.
相关性 0/10
评分理由: 自适应光学图像处理，虽涉及算法但属信号处理工程，非统计推断。

53. 2608.10284 — Lunar Reflective Interferometry¶

作者: Peter W. Gorham, T. Joseph W. Lazio, Andrew Romero-Wolf, Patrick S. Allison, Marin M. Anderson, Ali M. Bramson et al.
相关性 0/10
评分理由: 射电天文学干涉测量方法，无统计或因果推断内容。

54. 2608.10212 — The final design of GMagAO-X: high-contrast imaging at first-light of the GMT¶

作者: Jared R. Males, Laird M. Close, Sebastiaan Y. Haffert, Victor Gasho, Adam Fletcher, Joseph Boales et al.
相关性 0/10
评分理由: 天文仪器设计描述，无统计方法或数据建模。

55. 2608.10205 — Sensor fusion on MagAO-X: real time vibration control using accelerometers¶

作者: Parker T. Johnson, Jared R. Males, Povilas Palunas, Olivier Guyon, Sebastiaan Haffert, Joseph Long et al.
相关性 0/10
评分理由: 自适应光学振动控制工程，无统计或数据科学内容。

56. 2608.10199 — Wavelength Calibration Accuracy Across the STIS CCD: Pipeline Update and User Guidance¶

作者: Matilde Mingozzi, Robert Jedrzejewski, Matthew Siebert, Daniel Welty, Sean Lockwood, Joleen Carlberg
相关性 0/10
评分理由: 哈勃望远镜光谱仪波长校准，纯仪器校准工作，无统计方法。

Maintained by 陈星宇 · Homepage · Source on GitHub