2026-08-21 每日 arXiv 资讯¶

高相关论文 3 篇 · 中相关 18 篇 · 其他 51 篇 · 会议/Seminar 事件 0 条

⭐ 高相关论文（按主题分组）¶

因果推断 (causal_inference, 3 篇)¶

1. 2608.20976 — From Cumulative Weights to Marginal Density Ratios: Per-Protocol Estimation in Sequential Target Trial Emulation¶

作者: Zern Ke, Mingshi Cui, Feng Dai, Birol Emir, Javier Cabrera, Demissie Alemayehu
相关性 8/10 · novelty: new_method
摘要: 本文针对序贯目标试验模拟（sequential target trial emulation）中的符合方案效应（per-protocol effect）估计问题。传统方法使用累积逆概率权重处理治疗偏离和失访造成的选择偏倚，但权重方差大导致估计不稳定。作者提出基于边际密度比（MDR）的新方法：直接比较目标治疗策略下保持无事件状态的个体分布与观测到的依从个体的分布，用纵向g-computation生成目标风险集，再用概率分类器估计密度比以重新加权观测结局。还开发了双稳健扩展版本。模拟研究表明MDR加权在识别假设合理时是累积纵向权重的有前景替代方案。该方法对您可能有用：它直接关联您primary interest中的纵向因果推断和identification theory，且其双稳健扩展涉及您moderately_familiar的semiparametric theory和HOIF思想。
关键技术: marginal density ratio weighting, longitudinal g-computation, probabilistic classifier, doubly robust estimation, sequential target trial emulation, per-protocol effect
为什么对您有用: 直接连接到primary interest中的纵向因果推断（sequential trial emulation）和identification theory。武器库中very_familiar的estimation theory in causal inference可直接用于分析MDR权重的渐近性质（如n^{-1/2}-CAN条件），moderately_familiar的HOIF可用于推导其双稳健版本的efficient influence function。中期可做：需先在moderately_familiar的semiparametric theory上长肌肉（具体为理解MDR的semiparametric efficiency bound），然后可尝试将MDR与您熟悉的higher-order U-statistics结合，分析其在高维协变量下的计算-统计权衡。

2. 2608.20744 — Heterogeneous Effects of Continuous Treatments via Conditional Modified Treatment Policies¶

作者: Samhita Pal, Jared D Huling
相关性 8/10 · novelty: new_method
摘要: 本文针对连续型治疗（如药物剂量、呼吸机强度）提出异质性效应估计框架，目标 estimand 是条件 nudge effect（给定协变量 X 和当前剂量 A，将剂量微调 δ 后的期望结果变化）和条件修正治疗策略（CMTP）效应（将 nudge 在给定 X 的观测剂量分布上平均）。在弱局部正定性（shift-specific positivity）和条件可交换性假设下，两个 estimand 均可识别。方法上，通过复制数据构造将 δ-平移转化为两臂比较，基于平方误差和负对数似然损失开发了 weighting 和 A-learning 估计量，并引入增广版本以降低方差而不改变目标参数。建立了估计量的渐近正态性。模拟验证理论，MIMIC-III 机械通气数据分析识别出哪些患者可能从适度降低机械功率中获益。该框架直接连接您的 primary interest 中的因果推断（连续治疗异质性）和 semiparametric 估计理论（A-learning 与增广估计）。
关键技术: conditional modified treatment policy, nudge effect, A-learning, augmented estimation, shift-specific positivity, duplicated-data construction
为什么对您有用: 直接连接 primary interest 中因果推断的连续治疗异质性方向，且方法学上使用 A-learning 和增广估计，与您 moderately_familiar 的 semiparametric theory 和 identification theory 高度吻合。中期可做：将本文的 A-learning 框架与您 very_familiar 的 higher-order U-statistics 结合，推导高阶 influence function 以提升收敛速率或处理高维协变量——这需要先在 HOIF 上长肌肉。

3. 2608.20779 — Candidate Set Size and Voting Behavior: A Front-Door Approach to Causal Moderation¶

作者: Masayuki Haruhara
相关性 8/10 · novelty: new_method
摘要: 本文研究当处理变量随机分配但调节变量非随机时的因果调节效应（causal moderation）。作者将平行估计框架（parallel estimation）与前门调整（front-door adjustment）结合，识别平均处理调节效应（average mediated treatment moderation effect），即处理效应如何通过一个中介变量被调节变量所改变。核心设定是：处理变量随机化，调节变量受处理影响且非随机，中介变量位于调节变量之后。估计采用两步法：先估计处理对中介的效应，再估计中介对结果的效应，通过前门公式得到调节效应。方法应用于东京165个市议会选举数据（1987-2023），其中宣传册位置由抽签随机分配，总页数由候选人数和固定市政规则机械决定。实证发现：每增加一名候选人，通过页数渠道使首页效应（对胜选概率的影响）增加0.322个百分点，为基线效应的8.0%，而背面效应无显著增加。该工作为因果调节效应在非随机调节变量下的识别提供了新工具，对您关注的因果推断中IV/mediation方向有直接参考价值。
关键技术: front-door adjustment, parallel estimation framework, causal moderation, mediated moderation, randomized treatment with non-random moderator
为什么对您有用: 本文直接连接您primary interest中的causal inference（mediation方向），提出了一种在调节变量非随机时识别因果调节效应的新识别策略，结合了前门调整和并行估计。从您的technical arsenal看，您对estimation theory in causal inference非常熟悉，可以立即用您掌握的identification theory和semiparametric theory审视该识别策略的效率边界（如是否可达到半参有效界），并考虑将其推广到连续调节变量或高维协变量场景——这是立即可做的方向。

📌 中相关论文（按主题分组）¶

因果推断 (causal_inference, 1 篇)¶

1. 2608.21077 — Public Signals, Concealed Choices: Dynamic Measurement without Behavioral Identification¶

作者: Rok Spruk
相关性 5/10 · novelty: new_method
摘要: 本文研究集体机构中成员公开信号与隐藏个体选择之间的动态测量问题，目标是将公开立场（corpus-conditional public position）与连接参与和秘密选择的行为规则（behavioral rule）分离开来。作者使用动态有序状态空间模型（dynamic ordinal state-space model）测量公开立场，并建立了一个似然排除（likelihood-exclusion）结果：如果行为链接参数仅进入完全未观测结果的分布，且与测量参数先验独立，则公开信号无法更新其后验。因此，声明的单调映射被报告为敏感性包络（sensitivity envelopes），而非估计值或识别边界。通过内阁规模的模拟比较动态测量与静态有序模型及透明摘要，展示了时间池化的收益以及在弱测量或遗漏维度下的失败。应用部分重构了斯洛文尼亚内阁秘密决策前的41份官方记录，仅6/21位部长有可归因信号，模型定位了一个小的可见群体，其余部分先验主导。事件依赖性调整、编码扰动、滚动预测及后续披露记录均支持同一结论。本文对您可能有用：它处理的是因果推断中识别与敏感性分析的核心张力——当关键变量完全未观测时，如何量化不确定性而非声称识别——直接连接到您的 primary interest 中的 sensitivity analysis 和 identification theory。
关键技术: dynamic ordinal state-space model, likelihood-exclusion result, sensitivity envelopes, Bayesian identification failure, temporal pooling
为什么对您有用: 本文直接连接到您的 primary interest 中的 sensitivity analysis 和 identification theory——它处理的是当关键变量（个体隐藏选择）完全未观测时，如何量化不确定性而非声称识别，这正是 proximal CI 和 IV 中 negative control 假设的核心张力。您的 technical_arsenal 中 very_familiar 的 estimation theory in causal inference 和 nonparametric statistics 可以立即用于分析其似然排除结果的更一般条件（例如，放松先验独立性假设）。中期可做：若想将本文的敏感性包络思想推广到更一般的 semiparametric 设定（如用 influence function 刻画），需先在 moderately_familiar 的 semiparametric theory 上长肌肉。

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

1. 2608.21557 — Outlier Impact: Detection by Consequences¶

作者: Daniel Ting, Ilya Gorbachev, Sammy Shen
相关性 7/10 · novelty: new_method
摘要: 本文提出一种新颖的异常值检测方法，其核心思想是用异常值对统计推断的具体影响（如均值估计偏差或假设检验的假阳性率变化）来替代传统的“异常程度”度量。在实验性研究中，异常值会破坏因果推断的有效性，因此该方法特别关注异常值对均值估计和检验FPR的影响。作者通过定义“影响函数”来量化每个数据点对目标统计量的影响，并设定阈值以仅标记那些在实质上改变推断结论的异常点。方法上，该检测器可适配多种统计模型和检验过程，且无需对数据分布做强假设。模拟和实证研究表明，该方法能有效区分“有影响的异常值”与“无害的离群点”，从而减少不必要的数据剔除。对您而言，该工作直接关联假设检验和因果推断中的稳健性问题，其“后果导向”的异常值定义思路可迁移至您熟悉的非参数统计或因果推断中的敏感性分析场景。
关键技术: influence function, outlier detection, false positive rate (FPR) control, robust inference, hypothesis testing
为什么对您有用: 本文直接连接您对假设检验和因果推断的兴趣，特别是异常值如何影响实验性研究的推断有效性。您武器库中“非参数统计”和“估计理论”的功底可用来分析其影响函数估计量的稳健性，或将其思路推广到更复杂的因果估计量（如ATE的DR估计）的异常值检测。中期可做：若想将方法扩展到高维或半参数设定，需先在“半参数理论”上加强（当前为moderately_familiar）。

2. 2608.21267 — Further Results on Controlling the False Discovery Rate in Two-Sided Gaussian Mean Testing¶

作者: Deepra Ghosh, Sanat K. Sarkar
相关性 7/10 · novelty: new_method
摘要: 本文在Sarkar和Zhang (2025)提出的PTDN框架下，进一步研究双侧高斯均值检验中FDR控制问题。首先，推导了原始BH过程FDR的显式依赖自适应上下界，这些界以条件方差参数τ_i=1-R_i^2表示，其中R_i^2是第i个统计量与其余坐标的平方多重相关系数。这些界在独立情况下恢复精确BH FDR，并提供有限样本、协方差特定的信息，补充了通用界。其次，针对协方差矩阵未知但存在独立Wishart估计量的实际场景，利用τ_i的同步下置信界构建了置信界移位BH过程，并建立了有限样本FDR控制。据作者所知，这是首个在完全未知协方差矩阵（独立估计）下具有有限样本保证的双侧高斯均值检验移位BH型过程。数值研究展示了协方差自适应界的行为、移位BH相对于BH的潜在优势以及未知协方差下置信界移位的性能。该工作对您在高维假设检验和随机矩阵理论方面的兴趣有直接关联，其协方差自适应FDR控制方法可应用于高维相关数据中的多重检验问题。
关键技术: Benjamini-Hochberg procedure, False Discovery Rate, positive tail dependence under null (PTDN), shifted BH procedure, Wishart estimator, simultaneous lower confidence bounds
为什么对您有用: 本文直接关联您对假设检验和高维统计的兴趣，特别是多重检验中FDR控制这一核心问题。您武器库中'高维渐近理论'和'非参数统计'可用于分析其协方差自适应界的紧性，或探索在更一般依赖结构下的推广。中期可做：需先在'半参数理论'上加强，以处理未知协方差结构下更复杂的估计问题。

3. 2608.20727 — A Multiscale Ball Test for Conditional Mean Independence¶

作者: Simon Rudkin, Wanling Rudkin
相关性 7/10 · novelty: new_method
摘要: 本文提出一种多尺度球条件均值独立性检验（MBCMI），用于检测在多元预测变量空间中局部有界区域内的条件均值依赖，且无需预先知道相关空间尺度。方法以每个数据点为中心构造球，聚合球内结果变量的支持加权局部均值对比，通过多尺度聚合提升对局部和径向信号的检验功效。固定网格理论给出了总体目标、网格可见备择下的一致性以及由球平滑均值偏离驱动的Pitman局部幂极限。对于序列数据，建立了在稳定有限阶自回归与条件符号对称新息下可行的递归符号自助法有效性。在月度美国金融数据中，交叉拟合残差MBCMI检验消除了所有全样本拒绝，表明存在同期条件均值依赖而非独特的非线性结构。该检验对局部信号敏感，且不依赖于预测变量分布假设，对您在高维假设检验方向有直接参考价值。
关键技术: Multiscale Ball Test, Conditional Mean Independence, Local Power Analysis, Recursive Sign Bootstrap, Cross-fitting
为什么对您有用: 本文直接连接您在高维统计与假设检验方向的核心兴趣，特别是对局部信号敏感的检验方法。您武器库中非常熟悉的非参数统计与高维渐近理论可直接用于分析该检验的局部幂性质与多尺度聚合策略的minimax最优性。中期可做：若将球结构推广到更高阶U-统计量的投影框架，需先在 moderately_familiar 的HOIF理论上长肌肉。

4. 2608.20176 — The exact Spearman rho-footrule region via optimal transport with applications to finite rankings, mixability, and Chatterjee's rank correlation¶

作者: Jonathan Ansari, Marcus Rockel
相关性 6/10 · novelty: new_theory
摘要: 本文解决了Spearman's rho与Spearman's footrule之间精确可达区域的开放问题，即给定footrule时rho的最大值。作者将原问题重新表述为带线性矩约束的最优传输问题，通过构造匹配的对偶势函数及其接触集，得到了唯一的最优耦合。该耦合等价于在给定E|U-V|的条件下最小化Var(|U-V|)。主要应用包括：在有限排序中改进了footrule距离与二次秩差之间的Cauchy-Schwarz不等式；在广义可混合性框架中刻画了|U'+V'|的可达常数并确定了给定均值下的最小二次偏差；推导了Chatterjee秩相关系数与copula相关比之间的显式界。这些结果对您可能有用：Chatterjee秩相关系数在非参数独立性检验中具有重要地位，而本文通过最优传输和U统计量视角给出了其与经典秩相关系数的精确关系，可直接用于您在高维假设检验和U统计量理论中的工作。
关键技术: optimal transport, copula optimization, Spearman's rho, Spearman's footrule, Chatterjee's rank correlation, Cauchy-Schwarz inequality
为什么对您有用: 本文直接关联到您的假设检验和U统计量兴趣：Chatterjee秩相关系数是一种新型非参数独立性度量，其与经典Spearman秩相关系数的精确关系通过最优传输和U统计量方法建立。您可以用very_familiar的U统计量树宽/张量收缩视角分析其计算复杂度，或用minimax界验证其提出的界是否紧。中期可做：若想深入Chatterjee相关系数的半参数效率理论，需先在moderately_familiar的HOIF上长肌肉。

5. 2608.19903 — Where Does the Union Bound Go? Best-Arm Identification and Strong FWER Control¶

作者: Rianne de Heide
相关性 5/10 · novelty: survey
摘要: 本文在固定置信度最优臂识别（best-arm identification）的框架下，澄清了证明中常出现的联合界（union bound）因子 K-1 的多重比较本质。作者指出，根据假设检验的方向选择，最优臂识别可以等价地表述为强族系错误率（FWER）控制问题——一种方向下有 K-1 个真零假设，另一种方向下只有一个真零假设但通过 K-1 个两两比较可能错误拒绝该真零假设。文章用两种社区的术语显式建立了这种等价性，说明多重性并未消失，只是以不同形式出现。这是一篇短小的概念性笔记，没有提出新方法或新理论，但为理解 bandit 与多重检验之间的桥梁提供了清晰的视角。对于您关注的假设检验方向，本文有助于将 bandit 文献中的 union bound 技巧与经典 FWER 控制框架统一起来，属于概念澄清型工作。
关键技术: union bound, Bonferroni correction, strong familywise error rate (FWER), best-arm identification, multiple testing
为什么对您有用: 直接连接到您 primary interest 中的 hypothesis testing 子方向，特别是多重比较与 FWER 控制。本文澄清了 bandit 文献中 union bound 与经典多重检验框架的等价性，属于概念性桥梁工作。武器库方面：您对 minimax bounds 和 estimation theory 非常熟悉，但本文不涉及新方法或新界，因此属于暂不可做——核心机器（bandit 的 stopping rule 与 sequential testing 理论）不在您的 very_familiar 或 moderately_familiar 列表中，本文仅作为概念参考，不值得投入时间深入。

6. 2608.21122 — LABS: Extending the scope of binary segmentation via a look-ahead device¶

作者: Piotr Fryzlewicz
相关性 4/10 · novelty: new_method
摘要: 本文针对多变化点检测问题，提出了一种名为 Look-Ahead Binary Segmentation (LABS) 的算法扩展。标准二元分割（Binary Segmentation）在均值变化检测中有效，但在斜率变化检测等场景下，CUSUM 统计量无法保证每次递归都能定位到真实变化点，导致一致性失效。LABS 的核心改进在于：在父递归返回一个候选变化点后，利用两个子递归返回的变化点来定义一个更窄的区间，并在该区间上重新评估父估计量。这种“前瞻”机制确保了即使在斜率变化信号（连续分段线性信号）下，算法也能以接近最优的速率 O{(n log n)^{1/2}} 一致地估计变化点。模型选择可通过阈值法或 Schwarz 型信息准则实现。模拟实验表明，LABS 在保持二元分割计算速度的同时，达到了当前最优的检测性能。该工作对您在高维统计和假设检验方向上的兴趣有直接参考价值，特别是其处理非标准信号（如斜率变化）的算法设计思路，可能启发您在高维或复杂结构数据中设计更鲁棒的检验统计量。
关键技术: Binary Segmentation, CUSUM statistic, change-point detection, look-ahead device, consistency rate, Schwarz information criterion
为什么对您有用: 本文直接关联您对假设检验和高维统计的兴趣，特别是变化点检测这一经典问题。您武器库中'非参数统计'和'高维渐近理论'的功底可以用于分析 LABS 在更复杂信号（如高维均值向量变化）下的理论性质，例如推导其 minimax 最优性。中期可做：若想将 LABS 推广至高维协方差结构变化检测，需先在 moderately_familiar 的 'M-estimation 理论' 上加强，以处理高维惩罚估计带来的非光滑性。

统计计算 / 算法 (stat_computing, 1 篇)¶

1. 2608.21619 — Exact Rejection Sampling for Non-Gaussian State Space Models¶

作者: Joshua C. C. Chan
相关性 5/10 · novelty: new_method
摘要: 本文针对非高斯状态空间模型（如随机波动率模型）的平滑推断问题，提出了一种精确拒绝采样算法。核心挑战在于构造一个已知常数倍支配目标密度的提议分布——对于非高斯状态空间模型，这一常数通常不可得。作者通过“转移扭曲”（transition twisting）使对数目标-提议比可分离，再通过“切线扭曲”（tangent-line twists）确保每一项非正，从而得到一个可达且紧的支配常数。算法输出独立同分布的平滑轨迹精确样本，并给出一个无偏似然估计量，其相对方差至多为1/p−1（p为接受概率）。在计算实现上，采用“压扩节点放置”（companding node placement）使累积包络误差为O(T/G²)，因此取G∝√T即可保证接受概率远离零；对随机波动率模型，所需条件几乎必然成立。在T=2000时接受率约75%，而高斯包络法仅约10⁻¹⁶。该工作对您作为统计计算方向的研究者很有价值：它展示了如何将精确采样算法（拒绝采样）推广到非共轭、非高斯设定，且给出了清晰的计算复杂度分析（节点数与序列长度的权衡），可作为您软件开发和算法工具箱中的新组件。
关键技术: rejection sampling, state space models, log-concave densities, companding node placement, unbiased likelihood estimation, transition twisting
为什么对您有用: 本文属于统计计算方向，直接对应您的primary interest中的“statistical computing (numerical methods, algorithm)”。您的武器库中“software development”和“nonparametric statistics”可以用于实现和扩展该算法（例如将节点放置策略与自适应网格结合）。中期可做：若想将该方法推广到多元状态或更一般的观测模型，需先在“M-estimation theory”上提升以处理更复杂的包络构造——目前算法限于标量状态和仿射高斯转移。

天体统计 (astrostats, 5 篇)¶

1. 2608.21520 — On the performance of pre-trained vision transformers for supernova spectral classification using different spectral representations¶

作者: J. Serrano Bell, P. Gálvez Molina, V. Contreras Rojas, W. Fox Fortino, M. Rojas, P. Protopapas et al.
相关性 5/10 · novelty: application
摘要: 本文研究如何利用预训练视觉Transformer（ViT、Swin Transformer、DINOv3）对超新星光谱进行分类，目标是将光谱分为正常Ia型、其他Ia亚型和核心坍缩超新星三类。光谱被编码为线图图像（通量-波长）和差分热图（通量差-波长差）两种视觉表示，以比较不同编码方式对分类性能的影响。实验基于4011条超新星光谱数据，通过数据增强和重平衡处理类别不平衡。最佳模型（vitb-p16）在测试集上达到86.3%的宏F1分数，其中正常Ia类F1为94%，核心坍缩类为88%，主要混淆发生在Ia-91T与正常Ia之间。本文作为天文光谱分类的入门级应用研究，清晰展示了数据预处理、模型选择和评估流程，对统计学家理解天文数据结构和分类任务有参考价值。
关键技术: Vision Transformer (ViT), Swin Transformer, DINOv3, spectral line-plot encoding, heatmap representation, transfer learning
为什么对您有用: 本文属于astrostats的gateway reading：它清晰展示了超新星光谱数据的结构（通量-波长对、噪声、类别不平衡）和分类任务设定，适合作为统计学家进入天文光谱分析的入门读物。武器库中的非参数统计和软件工程经验足以复现和改进其分类流程（如更严谨的交叉验证或不确定性量化），但本文方法学新颖性有限（主要是应用迁移学习），属于中期可做方向——需先熟悉天文光谱数据的具体特性（如红移校正、谱线识别）。

2. 2608.21051 — NestyNet. III. Symbolic Regression from Analytic Neural Surrogates¶

作者: Rodrigo Ibata, Wassim Tenachi, Foivos Diakogiannis, Neil Ibata, Anirudh Shankar
相关性 5/10 · novelty: application
摘要: 本文提出 NestyNet-SR，一种从神经代理模型进行符号回归的方法。核心设定是：许多物理定律在正确的表示或内部坐标下才简单，但从数据中发现这种结构是组合难题。方法利用具有解析导数的神经代理检测可分离性，递归地将多变量问题简化为更简单的神经原子，再通过分层符号搜索栈蒸馏为闭式表达式。最后一层是新颖的因子化符号搜索，将结构发现与参数校准分离：自由组合候选内部坐标，用校准函数（多项式、幂律、正弦）的拟合优度评分坐标，从而嵌套在最终表达式中的常数被拟合而非搜索。在 SRBench AI Feynman 基准上，该方法首次实现了所有 120 个无噪声方程的精确符号恢复；在有噪声下，统计审计可认证哪些结构幸存。作为真实数据示例，仅给定 SPARC 星系的质量模型分量，算法发现了重子加速度坐标，复现了径向加速度关系，并提供了留出星系泛化、校准对称弃权和局部斜率后验。对您而言，这是一篇优秀的 astrostatistics 入门读物：问题设定（从数据中发现物理定律）清晰，数据侧（SPARC 星系质量模型）和模型侧（符号回归 + 神经代理）都有明确阐述，且方法学上涉及统计计算（符号搜索的组合优化）和模型选择（噪声下的结构认证），值得花时间阅读全文以了解天文学中符号回归的前沿。
关键技术: symbolic regression, neural surrogate with analytic derivatives, factorized symbolic search, dimensional analysis pruning, multi-dataset regression
为什么对您有用: 本文属于 astrostatistics 的 gateway reading。作为对天文学一无所知的统计学家，本文的 exposition 清晰：不假设深奥的天文学术语，自包含地介绍了符号回归问题、神经代理模型和搜索策略。数据侧（SPARC 星系质量模型）和模型侧（符号搜索 + 解析导数）都有明确阐述，且方法学上涉及统计计算（符号搜索的组合优化）和模型选择（噪声下的结构认证），值得花时间阅读全文。武器库方面：您对 nonparametric statistics 和 minimax bounds 的熟悉有助于理解符号回归的搜索空间复杂度，但核心机器（符号搜索的因子化策略和神经代理的解析导数）不在武器库中，属于暂不可做——但作为入门读物，这并不妨碍阅读价值。

3. 2608.21491 — NestyNet. IV. Laws Chosen by Nothing in Advance¶

作者: Rodrigo Ibata, Wassim Tenachi, Foivos Diakogiannis, Neil Ibata, Anirudh Shankar
相关性 4/10 · novelty: new_method
摘要: 本文提出 NestyNet-DE 框架，用于从数据中自动发现微分方程（DE），核心创新在于不依赖预定义函数库，而是通过算子因子化搜索直接恢复方程结构，能处理强非线性、多场耦合、复数域及向量 PDE（如 Maxwell 方程组）。方法分两条路径：稀疏库线性搜索（对系数线性）和算子因子化搜索（对结构搜索），两者均基于分段神经代理的解析导数。框架还支持多数据集共享支撑发现、Hamiltonian 发现（从相空间轨迹）以及 Lie 点对称性恢复（从同一数据）。应用案例：对 308 颗主带小行星 30 年历表数据，自动恢复了约化 Kepler 层次（面积律、平方反比力、约化 Hamiltonian），其中旋转对称性固定了离心系数而非拟合。基准测试包含 57 个实值 ODE 和 26 个复值系统（含 Schrödinger、Dirac 方程），以及 Maxwell 方程组作为耦合向量 PDE 案例。对您而言，这是一篇优秀的 astrostatistics 入门读物：它清晰展示了天文数据（小行星历表）如何驱动非平凡的方法学问题（自动 DE 发现），且数据结构和模型假设（神经代理、解析导数、对称性约束）阐述充分，适合作为统计学家进入该领域的 gateway reading。
关键技术: neural surrogate with analytic derivatives, operator-factorized equation search, sparse library regression, Lie point symmetry discovery, Hamiltonian discovery from phase-space trajectories
为什么对您有用: 本文属于 astrostatistics 的 gateway reading：它用天文数据（小行星历表）驱动了一个非平凡的方法学问题（自动微分方程发现），且数据结构和模型假设（神经代理、解析导数、对称性约束）阐述清晰，适合作为统计学家进入该领域的入门读物。武器库中 'nonparametric statistics' 和 'inverse problems with random noise' 可用于理解其神经代理的逼近误差和导数稳定性，但核心的算子因子化搜索和 Lie 对称性恢复机制不在当前武器库中（缺符号回归/自动微分/对称性分析工具），因此暂不可做 follow-up，但值得花时间读全文以拓宽视野。

4. 2608.21474 — Radio Galaxies detection and characterization using deep learning techniques¶

作者: Sanjay Khatik, Rohit Sharma, Pankaj Jain
相关性 4/10 · novelty: application
摘要: 本文针对未来射电望远镜（如SKA）产生的大规模巡天图像数据，提出YOLO-Chars两阶段深度学习框架，用于射电星系的自动检测与物理参数表征。第一阶段使用定制化YOLO多尺度检测模型在广域天图上定位致密和延展源；第二阶段通过专用网络估计检测源的流量密度、角大小和位置角三个关键参数。方法在SKA SDC1基准数据集上验证，检测与表征性能具有竞争力。该工作展示了深度学习作为传统统计方法替代方案的可扩展性，但未涉及不确定性量化或模型可解释性。作为射电天文学入门级阅读，本文清晰说明了数据规模挑战和任务定义，适合统计学家了解该领域的基本问题结构。
关键技术: YOLO object detection, multi-scale detection, source characterisation, SKA SDC1 dataset
为什么对您有用: 本文属于astrostats入门读物：清晰阐述了射电巡天数据规模（SKA将产生EB级数据）和自动源检测/表征这一核心统计任务，适合作为统计学家进入该领域的第一个阅读材料。武器库中'非参数统计'和'软件工程'能力足以理解其方法框架，但本文未涉及统计推断（不确定性量化、选择偏差校正），因此暂不可做直接方法迁移——若想深入，需先在'高维统计'或'逆问题'方向补足射电图像噪声模型和源形态先验知识。值得花时间读全文以建立领域直觉。

5. 2608.20666 — Amplifying the imaging power of digital sky surveys with space telescopes data and generative AI¶

作者: Sai Teja Erukude, Lior Shamir
相关性 4/10 · novelty: application
摘要: 本文利用生成式 AI（GAN 或类似模型）将地面巡天望远镜拍摄的星系图像质量提升至空间望远镜（如哈勃）的水平。核心思想是利用星系形态的天然规律，训练一个从低分辨率/低信噪比地面图像到高分辨率空间图像的映射模型。方法结合了地面巡天的高通量优势与空间望远镜的高成像力，生成了 63,202 张增强后的星系图像目录，并提供了完整软件工具。作为一篇应用导向的论文，其方法学 novelty 有限（生成式图像超分辨率在计算机视觉中已成熟），但为天文数据预处理提供了一个实用的 pipeline。对您而言，这是一篇很好的入门级天文统计读物，清晰展示了天文数据的一个典型问题（图像质量与通量的 tradeoff）以及 AI 解决方案的落地方式。
关键技术: generative adversarial networks (GANs), image super-resolution, ground-based vs space-based telescope data fusion, galaxy morphology prior
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问题的入门材料。它清晰地阐述了天文领域的一个核心 tradeoff（地面巡天高通量但成像质量差 vs 空间望远镜高质量但通量低），并展示了生成式 AI 如何作为桥梁。您的武器库中非参数统计和软件工程能力足以理解甚至复现其 pipeline，但本文本身不涉及您核心兴趣中的因果推断或高维理论，因此属于中等相关度的跨领域阅读。值得花时间读全文以建立对天文数据预处理问题的直觉。

其他 (other, 5 篇)¶

1. 2608.19608 — Tau-Rho Equality and Other Dependence Measures of a Subclass of Factorizable Copulas¶

作者: Noppawit Yanpaisan, Tippawan Santiwipanont, Matthias Scherer, Songkiat Sumetkijakan
相关性 5/10 · novelty: new_theory
摘要: 本文研究一类可分解 copula 的 τ=ρ 等式成立条件。首先证明对形如 C_{e,α} * C_{β,e} 的因子化 copula（其中 α,β 为分段线性单调满射），Kendall τ 与 Spearman ρ 恒相等。进一步推导该类 copula 的 Chatterjee 秩相关系数与尾部相关系数的代数表达式，发现 Chatterjee 系数可呈现极端不对称性。方法上主要利用 copula 的因子化分解与分段线性变换的代数性质，未涉及高维或非参数统计工具。理论结果属于 copula 理论中依赖度量的精细刻画，但缺乏与因果推断、高维统计或效率理论的直接联系。对您而言，该文属于纯 copula 理论工作，与您的主要研究方向（因果推断、高维统计、U-统计量）无直接交集，可作为背景阅读但不具备方法学迁移价值。
关键技术: factorizable copula, Kendall's tau, Spearman's rho, Chatterjee's rank correlation, piecewise linear monotonic surjection
为什么对您有用: 该文属于 copula 理论中依赖度量的精细刻画，与您的主要研究方向（因果推断、高维统计、U-统计量）无直接交集。武器库中无对应工具可攻该问题，且该文未涉及您关注的统计计算或信息-计算折衷问题。暂不可做。

2. 2608.21665 — A Sparse-Group Pliable Lasso¶

作者: Mohammad Javad Davoudabadi, Minh Long Nguyen, Amirhossein Ghatari, Mina Aminghafari, Kerrie Mengersen
相关性 4/10 · novelty: minor
摘要: 本文提出稀疏组可塑Lasso（SGPL），扩展了可塑Lasso和组可塑Lasso，通过结合稀疏组正则化与预测变量级别的耦合惩罚，实现同时的组级选择、组内稀疏性以及主效应与交互效应之间的层次结构。方法采用块坐标下降算法拟合目标函数，利用凸性和结构性质，并证明了算法收敛到全局最小值。模拟研究表明，SGPL在预测性能和交互效应估计误差上优于可塑Lasso和组可塑Lasso，但在支持恢复上存在精度-召回率权衡。两个实际应用（帕金森病肠道微生物组研究和肾上腺皮质癌拷贝数数据集）展示了方法的可解释性和分组结构正则化的有效性。本文主要贡献在于提出一种新的正则化回归方法，属于方法学增量工作，但未涉及因果推断、高维统计理论或效率理论等核心兴趣方向。
关键技术: sparse-group lasso, pliable lasso, blockwise coordinate descent, convex optimization, KKT conditions
为什么对您有用: 本文属于正则化回归的方法学扩展，与您的主要兴趣（因果推断、高维统计、半参理论）无直接关联。武器库中'非参数统计'和'高维渐近'可用来分析其正则化路径的收敛性，但核心问题（组级选择与交互效应）并非您当前关注的方向。暂不可做：缺乏与因果识别或效率理论的连接，且方法增量有限，不值得投入时间深入阅读。

3. 2608.20601 — A Comprehensive Bayesian Approach to Entity Resolution for Data with Multiple Truths¶

作者: Hyungjoon Kim, Andee Kaplan, Matthew D. Koslovsky
相关性 4/10 · novelty: new_method
摘要: 本文提出一种新的贝叶斯实体解析（entity resolution）模型，核心创新在于允许同一实体在不同数据源中拥有“多个真实值”（multiple truths），而非传统方法假设的单一不变真值。模型通过引入指数族分布的混合来同时处理多种数据类型（连续、离散等），并提供了马尔可夫链蒙特卡洛（MCMC）和变分推断两种拟合方案以适应不同规模的数据。模拟实验和意大利家庭财富纵向调查数据的链接应用展示了方法的有效性。该工作主要解决数据整合中的记录链接问题，属于统计计算与贝叶斯方法的交叉领域。对您而言，本文的变分推断与MCMC的权衡策略在统计计算方向有一定参考价值，但核心问题（实体解析）与您的主要研究兴趣（因果推断、高维统计等）距离较远，属于应用导向的方法学工作。
关键技术: Bayesian entity resolution, mixture of exponential families, Markov chain Monte Carlo, variational inference, record linkage
为什么对您有用: 本文属于统计计算（贝叶斯推断与变分推断）的应用方法，与您的secondary interest中的统计计算方向有弱关联。但核心问题（实体解析的多真值建模）与您的主要兴趣（因果推断、高维统计、U统计量等）无直接技术交集。您的武器库中'软件开发和MCMC'可以理解其实现，但缺乏直接可攻的问题口子——暂不可做，因为核心机器（贝叶斯实体解析的建模与推断）不在您的武器库中，且该方向与您的主要研究路径差异较大。

4. 2608.19664 — Multivariate Spatio-Temporal Regression with Penalized Model Selection and an Empirical Application¶

作者: Ryuei Nishii, Saeko Ohta, Shojiro Tanaka
相关性 4/10 · novelty: new_method
摘要: 本文提出了一个多变量广义嵌套时空回归（MGNST）框架，用于同时分析响应变量之间的空间滞后、空间误差、时间自回归和同期误差协方差四种依赖结构。通过四个参数矩阵及其约束，该框架统一了空间自回归模型、空间误差模型、向量自回归模型等十一种特例。在识别性方面，作者利用工具变量秩条件建立了可识别性条件，并提出了基于有效自由度的惩罚似然估计与信息准则（pAIC/pBIC）。蒙特卡洛实验表明，惩罚AIC的模型选择正确率随样本量和空间依赖强度增加而提高，参数恢复精度也随样本量增大而改善。在日本关西地区198个市町村的社会经济数据应用中，pAIC选择了完整的MGNST模型，而pBIC选择了响应独立的空间误差模型，但两者均支持时间持久性和空间误差依赖。该工作对您的主要兴趣（因果推断、高维统计）关联较弱，但如果您未来涉足空间计量或时空数据建模，其模型选择框架和识别性条件可作为参考。
关键技术: penalized likelihood estimation, effective degrees of freedom, instrumental variable rank condition, spatio-temporal regression, model selection via information criteria
为什么对您有用: 本文属于时空统计建模的方法论工作，与您的主要兴趣（因果推断、高维统计、U-统计量）直接关联较弱。作为gateway reading，它清晰阐述了多变量时空依赖结构的识别与模型选择，但缺乏与您武器库中具体工具（如higher-order U-statistics、minimax bound）的接口。暂不可做：核心机器（时空计量经济学、空间权重矩阵的谱分析）不在武器库中，且问题设定（空间依赖的识别）与您的统计推断兴趣方向不同。

5. 2608.18735 — Robust Modeling of Extremes in the Presence of Inliers with Enhanced Tail Estimation¶

作者: Shivshankar Nila, Ishapathik Das, N. Balakrishna
相关性 4/10 · novelty: application
摘要: 本文针对极值理论中阈值选择受 inliers（如早期失效或零值簇）干扰的问题，提出一个稳健建模框架。模型将数据分布分解为 inliers、极值主体和尾部比例三部分，采用极大似然估计进行参数推断。与经典图形诊断工具（均值剩余图、参数稳定性图、Hill 图、Pickands 图）及现有极值混合模型相比，该方法在 Monte Carlo 模拟和实际数据应用中展现出更准确的阈值估计和尾部推断。理论性质（如估计量的相合性和渐近分布）得到建立。该工作属于极值统计的应用方法改进，核心贡献在于处理数据中常见的 inliers 污染问题，但未涉及因果推断、高维或半参效率等您的主要兴趣方向。
关键技术: extreme value theory, threshold selection, mixture model, maximum likelihood estimation
为什么对您有用: 本文属于极值统计的应用方法，与您的主要兴趣（因果推断、高维统计、半参理论）无直接交集。武器库中的非参数统计和 M-估计理论可用于理解其似然推断的渐近性质，但该问题本身不涉及您关注的统计-计算权衡或高阶 U-统计量。作为 gateway reading 价值有限，因为极值统计并非您的次要兴趣领域，且论文未提供对统计学家有吸引力的数据或模型结构。暂不可做——核心机器（极值理论阈值选择的具体技术）不在武器库中。

🗂 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. 2608.20919 — Spatial function-on-function quantile regression¶

作者: Eylul Fidan, Ufuk Beyaztas, Soutir Bandyopadhyay
相关性 3/10
评分理由: Spatial functional quantile regression is methodologically distant from primary interests; no causal or high-dim angle.

2. 2608.20641 — A modified score function for monotone likelihood in promotion time cure rate models¶

作者: Stephany Lima de Oliveira, Frederico Machado Almeida
相关性 3/10
评分理由: 关注生存分析中的治愈率模型和单调似然问题，与主要兴趣（因果推断、高维统计等）关联较弱。

3. 2608.20562 — Conditional-Independence-Regularized Distributional Autoencoders for Mixed-Type Data¶

作者: Siyuan Tang, Gongjun Xu, Ji Zhu
相关性 3/10
评分理由: 混合类型数据的表示学习，属于机器学习方法，与主要统计兴趣（因果推断、非参数理论等）不直接相关。

4. 2608.18742 — Regularised Iterative Generalised Least Squares with Optimal Selection of the Hyper-Parameter for Identifying Nonlinear Phenomenological Models¶

作者: Mark Cary, Charles Bokor
相关性 3/10
评分理由: 正则化回归应用，无统计理论或因果推断连接

5. 2608.19275 — A Self-Exciting Model of Eddy Formation at Submesoscale¶

作者: Mine Çağlar, Barış Samed Yakar
相关性 3/10
评分理由: 自激点过程模型，与核心统计兴趣无直接关联

6. 2608.17353 — SDR Variance Estimates in Small Domains¶

作者: Eric Slud, Tim Trudell
相关性 3/10
评分理由: 调查方差估计，与核心统计兴趣无直接关联

7. 2608.16325 — The Best Are Always the Best: COVID-19 Lockdown Stringency and the Dispersion of Olympic Medal Outcomes¶

作者: Fernando Delbianco, Federico Fioravanti, Fernando Tohmé
相关性 3/10
评分理由: 奥运奖牌与封锁政策的实证分析，方法简单（OLS/ANOVA），无因果推断或高维统计深度。

8. 2608.19898 — A dual-polarization whitened-template trigger for real-time radio detection of extensive air showers¶

作者: Qader Dorosti, Alperen Aksoy, Ilja Bekman, Markus Cristinziani, Eric-Teunis de Boone, Vesselin Dimitrov et al.
相关性 3/10
评分理由: Astrostatistics paper on a trigger algorithm for radio detection; some signal processing but no clear statistical framework.

9. 2608.18214 — Radiation damage to the Hubble Space Telescope has been several years out of phase with the Solar cycle¶

作者: Gavin Leroy, Juan Paolo Lorenzo Gerardo Barrios, Maximilian von Wietersheim-Kramsta, Richard Massey, Richard G. Hayes, Jacob A. Kegerreis et al.
相关性 3/10
评分理由: 涉及时间序列拟合，但纯天文学应用且无统计方法论细节，不符合gateway阅读标准。

10. 2608.17985 — The Roman Coronagraph Community Participation Program: data reduction pipeline astrometric calibration¶

作者: Amanda Chavez, Jason Wang, Vanessa P. Bailey, Maxwell Millar-Blanchaer, Julien Girard, John Krist et al.
相关性 3/10
评分理由: 数据归约管道校准，有软件工程但无统计方法，与研究者兴趣无关。

11. 2608.17831 — Simulation tools for realistic high-order wavefront correction with the Roman Coronagraph¶

作者: A. Lau, A. J. Riggs, S. F. Redmond, E. Cady, J. Krist, I. Laginja et al.
相关性 3/10
评分理由: 波前控制仿真框架，有软件但无统计方法，与研究者兴趣无关。

12. 2608.17369 — The Roman Coronagraph Community Participation Program: calibration strategy for the Mueller matrix using on-sky sources¶

作者: Toshiyuki Mizuki, Justin Hom, Bertrand Mennesson, Ramya M. Anche, Maxwell A. Millar-Blanchaer, Vanessa P. Bailey et al.
相关性 3/10
评分理由: 偏振校准策略，有观测设计但无统计方法论，与研究者兴趣无关。

13. 2608.17057 — The Roman Coronagraph Community Participation Program: pre-launch reference star list and impact of reference star properties on post-processing performance¶

作者: Justin Hom, Schuyler G. Wolff, Jessica Gersh-Range, Ramya M. Anche, Vanessa P. Bailey, Jean-Philippe Berger et al.
相关性 3/10
评分理由: 涉及参考星选择对后处理性能的影响，有数据质量考量但无统计方法论，与研究者兴趣弱相关。

14. 2608.21654 — \(K\)-functions for point processes on complex surfaces¶

作者: Francisco Cuevas-Pacheco, Scott Ward, Ed Cohen, Rasmus Waagepetersen
相关性 2/10
评分理由: Spatial point process on surfaces is unrelated to primary interests in causal inference, high-dim stats, or U-statistics.

15. 2608.19879 — A Repeated Measurements Approach to \(SoH\) Battery Modelling of Cyclic Aged Data in a Laboratory Environment¶

作者: Mark Cary, Charles Bokor
相关性 2/10
评分理由: 电池老化建模的重复测量方法，属于工程应用，与所有列出的研究兴趣无关。

16. 2608.19631 — Variational Goal-Oriented Optimal Experimental Design for Mixed-Distribution Quantities of Interest: Application to Ship Roll Safety¶

作者: Chen Cheng, Xun Huan, Yulin Pan
相关性 2/10
评分理由: 工程优化设计，与统计推断核心兴趣无关

17. 2608.18435 — A seamless dose-optimization design for monotherapy and combination therapy¶

作者: Kentaro Takeda, Masahiro Kojima
相关性 2/10
评分理由: 临床试验剂量设计，与统计推断核心兴趣无关

18. 2608.18286 — How far are \(d\)-dimensional copulas with uniform \((d-1)\)-marginals from (total) independence?¶

作者: Damjana Kokol Bukovšek, Nik Stopar, Wolfgang Trutschnig
相关性 2/10
评分理由: copula理论，与高维统计或因果推断等主要兴趣仅有极弱关联。

19. 2608.17958 — A First-Order Entropy Law for Canonical T-Complexity of Finite-Alphabet i.i.d. Sources¶

作者: Thomas Schürmann
相关性 2/10
评分理由: 信息论/复杂度理论，与研究者主要兴趣（因果推断、高维统计等）无关。

20. 2608.16312 — Regional advantage in rugby sevens: Is there a home effect when nobody is home?¶

作者: Fernando Delbianco, Federico Fioravanti, Fernando Tohmé, Martín Trombetta
相关性 2/10
评分理由: 体育统计中的主场效应分析，与研究者兴趣领域无关。

21. 2608.21639 — Image persistence flagging for SPHEREx¶

作者: Candice Fazar, C. Darren Dowell, Brendan P. Crill, Phil Korngut, Chi Nguyen, Howard Hui
相关性 2/10
评分理由: 纯天文仪器工程报告，无统计或数据建模内容，与研究者兴趣无关。

22. 2608.20898 — EXPO: a quantum leap in fast, wide-band X-ray polarimetry for astrophysics¶

作者: Paolo Soffitta, Sebastien Guillot, Ian Hutchinson, Fabio Muleri, Mark Pearce, Andrea Santangelo et al.
相关性 2/10
评分理由: X射线偏振观测任务概念，纯天体物理科学目标，无统计或数据建模内容，完全无关。

23. 2608.20456 — High-contrast aperture masking interferometry: detecting companions within the diffraction limit¶

作者: Benjamin Calvin, Michael Fitzgerald, Jessica Castellanos
相关性 2/10
评分理由: Instrumentation paper on aperture masking interferometry; no statistical or data/model dimension relevant to interests.

24. 2608.19371 — Shaping SHAPE - A spectro-polarimeter onboard Chandrayaan-3 to observe Earth as an Exoplanet¶

作者: Anuj Nandi, Swapnil Singh, Bhavesh Jaiswal, Anand Jain, Smrati Verma, Reenu Palawat et al.
相关性 2/10
评分理由: Instrumentation paper on a spectro-polarimeter; no statistical or data/model dimension.

25. 2608.18275 — The VLA and High-Frequency SETI: Expanding the Search for Life¶

作者: Talon Myburgh, Noah Stiegler, Chenoa D. Tremblay, Joe S. Bright, Ross A. Donnachie
相关性 2/10
评分理由: 纯SETI/天文学观测，无统计方法或数据建模内容，与研究者兴趣无关。

26. 2608.18051 — Variable Star Polarimetry with PICSARR-2¶

作者: Daniel V. Cotton, Jeremy Bailey, Logan Barrett, Glenn Henderson, Kim Sumagang, Eric C. Haase
相关性 2/10
评分理由: 仪器描述与性能表征，无统计推断或数据建模内容，与研究者兴趣无关。

27. 2608.17842 — Accurately simulating gain and clock-induced charge production in the EMCCD gain register¶

作者: Kevin J. Ludwick
相关性 2/10
评分理由: EMCCD增益模拟，纯仪器物理，无统计或数据建模内容。

28. 2608.17740 — The Roman Coronagraph Community Participation Program: Using the Zernike wavefront sensor for a full characterisation of the Roman Space Telescope and the Coronagraph Instrument¶

作者: Arthur Vigan, Alexis Bidot, Vincent Chambouleyron, Garreth Ruane, Laurent Pueyo, Mamadou N'Diaye et al.
相关性 2/10
评分理由: Zernike波前传感器表征，纯仪器光学，无统计内容。

29. 2608.17348 — The Roman Coronagraph Community Participation Program: early calibration plan and pilot observation of a companion¶

作者: Julien H. Girard, Eric Cady, Neil T. Zimmerman, Clarissa R. Do Ó, Jingwen Zhang, Guillermo Gonzalez et al.
相关性 2/10
评分理由: 纯天文仪器校准计划，无统计方法或数据建模内容，与研究者兴趣无关。

30. 2608.17204 — On-sky demonstration of dual-field interferometry at the CHARA Array¶

作者: Narsireddy Anugu, John D. Monnier, Douglas R. Gies, Jeremy Jones, Robert Klement, Stefan Kraus et al.
相关性 2/10
评分理由: 天文干涉仪技术演示，无统计推断或数据建模，与研究者兴趣无关。

31. 2608.17152 — The Roman Coronagraph Community Participation Program: target database and tools¶

作者: Dmitry Savransky, Rifah Tasnim, Saanika Choudhary, Hovik Grigoryan, Justin Hom, Bijan Nemati et al.
相关性 2/10
评分理由: 天文目标数据库和观测规划工具，无统计方法或数据建模，与研究者兴趣无关。

32. 2608.17097 — Simulating Zernike-based CWFSing with HCIPy¶

作者: Klaus Subbotina Stephenson, Kate Jackson
相关性 2/10
评分理由: 天文波前传感模拟，纯光学工程，无统计方法或数据建模，与研究者兴趣无关。

33. 2608.17077 — The Roman Coronagraph Community Participation Program: trials and triumphs of designing an observing program for a technology demonstration instrument¶

作者: Schuyler G. Wolff, Vanessa P. Bailey, Justin Hom, Beth Biller, Dmitry Savransky, Julien H. Girard et al.
相关性 2/10
评分理由: 天文观测计划设计报告，无统计方法或数据建模，与研究者兴趣无关。

34. 2608.17049 — pynucastro 3: A community library for nuclear astrophysics¶

作者: Zhi Chen, Khanak Bhargava, Eric T. Johnson, Reth Lopes, Melissa Rasmussen, Alexander Smith Clark et al.
相关性 2/10
评分理由: 核天体物理计算库，无统计方法或数据建模，与研究者兴趣无关。

35. 2608.17048 — The Roman Coronagraph Community Participation Program: data reduction pipeline design and implementation¶

作者: Jason J. Wang, Maxwell A. Millar-Blanchaer, Marie Ygouf, Julia Milton, Jürgen Schreiber, Kevin J. Ludwick et al.
相关性 2/10
评分理由: 天文数据归约管道软件设计，无统计方法或数据建模，与研究者兴趣无关。

36. 2608.15990 — Gaussianization-Based Parameter Estimation for Gamma-Gamma and Lognormal-Rician Turbulence Channels¶

作者: Maoke Miao, Bo Liu, Xinyu Zhang, Xiao-Yu Chen
相关性 1/10
评分理由: 通信信道参数估计，与研究者兴趣领域完全无关。

37. 2608.21054 — DOLPHIN (Device of Line Photometry in Nasmyth): A Switchable Multiband Photometer for the ISAS 1.3-m Telescope¶

作者: Kohei Miyakawa, Hirokazu Kataza, Teruyuki Hirano, Hajime Kawahara, Shotaro Tada, Takehiko Wada
相关性 1/10
评分理由: 纯天文仪器设计报告，无统计或数据建模内容，完全无关。

38. 2608.21001 — NAIR-APREXIS: Enabling photonics-based instruments for long-baseline interferometry and integral-field spectroscopy¶

作者: L. Labadie, R. J. Harris, K. Madhav, A. Dinkelaker, K. Barjot, A. Benoît et al.
相关性 1/10
评分理由: 纯天文仪器（光子学）技术报告，无统计或数据建模内容，完全无关。

39. 2608.20806 — Chang'e 7 Lunar Lander Optical Camera-Telescope: Optical Astronomy from the Moon¶

作者: Quentin Andrew Parker, Partha Sarathi Pal, Junhao Chen, Meng Su, SeyedAbdolreza Sadjadi, Andreas Ritter et al.
相关性 1/10
评分理由: 月球着陆器光学相机设计报告，纯工程描述，无统计或数据建模内容，完全无关。

40. 2608.20235 — The SPT-3G+ receiver design¶

作者: H. Athreya, Z. Ahmed, J. E. Austermann, K. Bae, A. Bapat, D. R. Barron et al.
相关性 1/10
评分理由: Engineering design paper for a telescope receiver; unrelated to statistical interests.

41. 2608.19449 — Fast Control for LIGO Interferometer Lock Acquisition¶

作者: Masaya Ono, Nathan A. Holand, Radhika Bhatt, Peter G. Carney, Francisco Salces Càrcoba, Koji Arai et al.
相关性 1/10
评分理由: Control systems paper for LIGO interferometer; unrelated to statistical interests.

42. 2608.19337 — Design, assembly, and initial test results of a cryostat for holographic characterization of microwave telescopes¶

作者: Jon E. Gudmundsson, Miranda Eiben, Thomas J. L. J. Gascard, Eve M. Vavagiakis
相关性 1/10
评分理由: Cryostat design paper for telescope testing; unrelated to statistical interests.

43. 2608.18434 — Boundaries of logarithmic Voronoi cells can be transcendental¶

作者: Yulia Alexandr
相关性 0/10
评分理由: 纯代数几何/代数统计，与研究者任何兴趣无关。

44. 2608.19176 — Effects of manufacturing tolerances on the performance of metamaterial microwave anti-reflection coatings¶

作者: Rustam Balafendiev, Miranda Eiben, Jon E. Gudmundsson
相关性 0/10
评分理由: 纯工程/材料论文，与统计、因果推断、高维统计等兴趣完全无关。

45. 2608.18998 — Physical Optics Analysis of Polarization Effects in SO LAT Reflectors¶

作者: Xiaodong Ren, Patricio A. Gallardo, Jon E. Gudmundsson
相关性 0/10
评分理由: 纯物理光学模拟，无统计或数据建模内容，与研究者兴趣无关。

46. 2608.18951 — Asgard/NOTT: Status of laboratory nulling performance¶

作者: T. Mattheussen, R. Laugier, D. Defrère, G. Garreau, P. Chingaipe, G. Raskin et al.
相关性 0/10
评分理由: 天文仪器性能报告，无统计方法或数据分析，与兴趣无关。

47. 2608.18912 — First demonstration of a multimode-to-multimode photonic lantern for astronomy¶

作者: Marina Centenera-Merino, Andrew Ross-Adams, Christopher Betters, Pedro J. Amado, Jesus Aceituno, Kalaga Madhav et al.
相关性 0/10
评分理由: 光子器件工程论文，无统计或数据建模内容，与兴趣无关。

48. 2608.18880 — VERITAS 2.3.1: Optimisation and Characterisation of the Enhanced Readout ASIC for the NewAthena Wide Field Imager¶

作者: Ajay Kumar Dakshinamurthy, Sven Herrmann, Peter Orel, Anna-Katharina Schweingruber, Astrid Mayr, Johannes Muller-Seidlitz et al.
相关性 0/10
评分理由: ASIC芯片设计论文，纯电子工程，与统计兴趣无关。

49. 2608.18877 — Estimation of systematic error from bulk deformation of end test mass induced by photon calibrator for LIGO post-O5 gravitational wave projects¶

作者: Daiki Tanabe, Aloysius Niko, Kun-Yao Chang, Yuki Inoue, Dripta Bhattacharjee, Richard Savage et al.
相关性 0/10
评分理由: 引力波探测器校准误差分析，纯物理建模，无统计方法贡献。

50. 2608.18793 — Millimeter and sub-millimeter characterization of polymers used for infrared filters in high-sensitivity cryogenic microwave telescopes¶

作者: Miranda Eiben, Rustam Balafendiev, Thomas Gascard, Jon E. Gudmundsson
相关性 0/10
评分理由: 材料光学特性测量，纯实验物理，与统计兴趣无关。

51. 2608.18348 — The Atacama Cosmology Telescope: Passband Measurements with an Analysis of Systematic Errors¶

作者: Thomas Alford, Rahul Datta, Erminia Calabrese, Steve K. Choi, Shannon M. Duff, Adriaan J. Duivenvoorden et al.
相关性 0/10
评分理由: 望远镜探测器光谱响应测量，纯仪器表征，无统计或数据建模。

Maintained by 陈星宇 · Homepage · Source on GitHub