TIT — Vol 72 Issue 4 · 2026-06-05¶

共 31 篇 · IEEE Transactions on Information Theory

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

这一期共9篇论文，主题高度分散，可大致归为三条主线：量子信息与编码理论（占5篇）、信息论与分布式计算（2篇）、统计计算与优化（1篇），另有1篇勘误。量子信息与编码理论是本期主体，涉及量子信道容量、量子循环码的突发纠错、轻量级密码置换构造、有限域码本设计及子码支撑重量分布；信息论与分布式计算方向关注私密求和与序列概率分配；统计计算方向仅1篇，聚焦神经网络加速最优传输计算。

在量子信息与编码理论主线中，多篇论文围绕码的结构性质与性能界展开。例如，“The t-Designs and the Subcode Support Weight Distributions of r-GMDS Codes”与“AntiGriesmer Bounds, Optimal Codes, and Their Subcode Support Weight Distributions”均从子码支撑重量分布切入，前者推广Assmus-Mattson定理至子码情形，后者则给出量子循环码的突发纠错极限与线性时间解码器。“A Generalized χ_n-Function”构造了任意维度上的置换映射并分析其代数与密码学性质，属于纯组合构造。这些工作均不涉及概率模型或统计推断，与因果推断、高维统计无交集。

信息论与分布式计算主线中，“Weakly Private Distributed Multi-User Secret Sharing”与“The AEP for Hidden Markov Tree Models”分别处理私密求和与序列概率分配。前者刻画了通信-随机性-隐私的三方权衡，并建立私密函数计算与秘密共享的等价性；后者在个体序列设定下提出基于LZ78的通用概率分配族，证明其log-loss收敛性。这两篇虽非直接因果推断，但其通信-隐私权衡视角与序列概率分配方法可迁移至分布式统计推断中的隐私约束问题。统计计算方向的“Random Multiplexing”用神经网络替代Sinkhorn迭代估计最优传输成本，给出非渐近误差界，与半参数效率理论中的传输问题有潜在联系。

对于因果推断与半参数效率方向的研究者，本期最相关的是“Random Multiplexing”（神经网络加速最优传输，可用于因果效应估计中的分布匹配）和“Weakly Private Distributed Multi-User Secret Sharing”（通信-隐私权衡视角可类比分布式U-统计量计算）。其余论文均属纯编码理论或量子信息，与统计推断无直接关联。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)¶

1. 10.1109/tit.2026.3665352 — New Theoretical Results for LAD-Based Sparse Recovery Using Expanders¶

作者: Cheng-Zheng Wang, Rui Gong, Peng Li, Huanmin Ge, Michael K. Ng
期刊/来源: IEEE Transactions on Information Theory
机构: Lanzhou University of Finance and Economics · Beijing Sport University · Hong Kong Baptist University
分类: vol 72 · issue 4 · pp 2584-2601
相关性 4/10 · novelty: sharper_rate
摘要: 本文研究噪声线性模型 b=Ax₀+e 下的稀疏恢复问题，其中测量矩阵 A 为基于 quasi-regular lossless expander 的 {0,1} 二值矩阵，目标是对近似稀疏信号 x₀ 进行估计。核心贡献是将 regular lossless expander 的 (ℓ₁,ℓ₁)-RIP 性质推广至 quasi-regular lossless expander，从而为稀疏恢复分析提供了更锐的工具。基于此 RIP 推广，作者对两种 LAD（Least Absolute Deviations）型估计模型推导出更紧的期望估计误差界，并在网络链路延迟估计的应用中改进了现有文献的恢复误差界。数值实验验证了理论结果，表明在较大数量显著非零元素的延迟信号下，ℓ₁ 正则化 LAD 方法优于现有方法。对您可能有用：本文将 expander 图的 RIP 性质与 LAD 估计结合，其 sharper error bound 的推导思路可借鉴至高维统计中二值设计矩阵下的鲁棒估计理论。
关键技术: expander graph, (ℓ₁,ℓ₁)-Restricted Isometry Property, Least Absolute Deviations (LAD), sparse recovery, quasi-regular lossless expander, ℓ₁-regularized estimation
为什么对您有用: 本文连接到高维统计中二值设计矩阵（expander graph）下的稀疏恢复与鲁棒估计，属于您 primary interest 中 high-dimensional statistics 的非标准设计矩阵设定。您武器库中 minimax bounds for estimation problems 的技术可直接审视本文声称的 sharper error bound 是否紧，或将其 LAD + expander RIP 框架推广至更一般的鲁棒 M-estimator 场景。Follow-up 判断：立即可做——用 minimax 理论验证其 bound 的紧性，或用 M-estimation theory 将 LAD 替换为其他损失函数。

非参数 / 半参数 (nonparam_semipara, 2 篇)¶

1. 10.1109/tit.2026.3661439 · arXiv — Neural Entropic Optimal Transport and Gromov–Wasserstein Alignment¶

作者: Tao Wang, Ziv Goldfeld
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2424-2443
相关性 5/10 · novelty: new_method
摘要: 在 entropic OT 与 Gromov–Wasserstein (GW) 对齐框架下，目标是估计 compactly supported 分布间的 OT cost / plan 与 GW cost / plan，克服 Sinkhorn 算法 O(n^2) 计算瓶颈。核心方法是用神经网络替代 Sinkhorn 迭代，通过 mini-batch backpropagation 训练参数化传输映射，将计算负载从全数据集降至小批量。理论贡献为给出非渐近误差界，证明 neural entropic OT/GW 估计量达到 minimax-optimal 的 parametric convergence rate (n^{-1/2})。数值实验验证了该方法在高维大样本设定下（Sinkhorn 不可行时）的精度与可扩展性。对您可能有用：该工作将 minimax rate 与神经网络计算结合，为高维/大样本 OT 估计提供了可计算且统计最优的方案。
关键技术: entropic optimal transport, Gromov-Wasserstein alignment, neural network approximation, mini-batch backpropagation, non-asymptotic error bound, minimax-optimal parametric rate
为什么对您有用: 本文连接到 semiparametric & nonparametric theory 与 statistical computing 两个子方向：它证明了 neural entropic OT 估计量的 minimax-optimal parametric rate，直接触及您熟悉的 minimax bounds 体系，同时用 mini-batch neural 训练替代 Sinkhorn 解决计算瓶颈，属于典型的统计-计算权衡问题。用 very_familiar 的 minimax bounds 工具可以验证其声称的 rate 是否紧，但若要深入其非渐近误差界证明（涉及 neural network approximation 与 empirical process 的交互），需先在 moderately_familiar 的 M-estimation theory 上长肌肉以处理 neural M-estimator 的收敛分析。判断为中期可做。

2. 10.1109/tit.2026.3663652 — The AEP for Hidden Markov Tree Models¶

作者: Zhiyan Shi, Fan Xie, Bao Wang, Weiguo Yang
期刊/来源: IEEE Transactions on Information Theory
机构: Jiangsu University · Xuzhou University of Technology
分类: vol 72 · issue 4 · pp 2029-2042
相关性 2/10 · novelty: new_theory
摘要: 本文研究 Cayley 树上隐马尔可夫树模型（Hidden Markov Tree Model, HMTM）的强大数定律与渐近等分性（AEP）。HMTM 被严格定义并与树指标马尔可夫链建立等价刻画，核心设定是观测变量依赖树结构上的隐状态，且隐状态沿树边满足 Markov 性。利用 HMTM 与树指标 Markov 铆的等价性，作者在 Cayley 树上建立了熵率的存在性及样本熵的强收敛，进而推导出参数的强大数定律与 AEP（即典型集的渐近体积逼近熵率）。理论结果为树结构依赖数据的无损信源编码提供了渐近界，对您在树结构高维统计与因果图模型推断中的非参数/半参数理论兴趣可能有参考价值。
关键技术: hidden Markov tree model, tree-indexed Markov chain, asymptotic equipartition property, strong law of large numbers on trees, Cayley tree
为什么对您有用: 本文属于树结构依赖数据的渐近信息论性质，与您 primary interest 中的高维统计（树结构相关矩阵）及半参数/非参数理论（树图上的 Markov 结构推断）有间接联系。您武器库中 very_familiar 的 'high-dimensional asymptotics' 与 'nonparametric statistics' 可以用来审视其强收敛证明是否可迁移到更一般的图结构（如因果 DAG）上的半参数估计问题。follow-up 判断：中期可做——若要将 AEP/典型集思路迁移到因果图模型的 identification 或 efficiency bound 分析，需先在 moderately_familiar 的 'identification theory in causal inference' 上结合树图 Markov 性质做进一步探索。

数理统计 / 假设检验 (hypothesis_testing, 3 篇)¶

1. 10.1109/tit.2026.3659093 · arXiv — A Computational Transition for Detecting Multivariate Shuffled Linear Regression by Low-Degree Polynomials¶

作者: Zhangsong Li
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2444-2456
相关性 9/10
摘要: 本文研究多变量 shuffled linear regression 的检测问题，模型为 \(Y=(\Pi_* X Q_* + \sigma Z)/\sqrt{1+\sigma^2}\)，其中 \(\Pi_*\) 是未知的 \(n\times n\) 置换矩阵，\(Q_*\) 是 Grassmanian 上的 \(d\times m\) 矩阵，目标是区分该模型与 \(X,Y\) 独立纯噪声的假设。作者采用 low-degree polynomial (LDP) 方法刻画计算阈值：当 \(m=o(d)\) 且 \(D^4=o(d/m)\) 时，即使无噪声（\(\sigma=0\)），degree-\(D\) 多项式也无法区分两模型；当 \(m=d, \sigma=\omega(1)\) 且 \(D=o(\sigma)\) 时同样失败；而当 \(m=d, \sigma=o(1)\) 时，常数阶多项式即可强区分。结果揭示了维度比 \(m/d\)、噪声 \(\sigma\) 与计算复杂度之间的平滑相变，明确了统计可检测性与低阶多项式算法可检测性之间的计算间隙。对您有用：本文为 stat-computational tradeoff 提供了清晰的 LDP barrier 入口，直接连接到您对 hypothesis testing 与高维检测相变的兴趣。
关键技术: low-degree polynomial method, low-degree likelihood ratio, multivariate shuffled linear regression, computational phase transition, Grassmanian manifold constraint, average-case hardness
为什么对您有用: 本文直接连接到您 primary interest 中的 stat-computational tradeoff 与 hypothesis testing 子方向，用 LDP 方法精确刻画了 shuffled regression 检测问题的计算相变阈值，且对 outsider 可读性极佳（阈值条件与间隙明确陈述）。您武器库中的 very_familiar 项（minimax bounds for estimation problems, high-dimensional asymptotics）可直接用来对比本文的 LDP 计算下界与经典统计检测界，评估信息-计算间隙的大小。立即可做：用 minimax 理论计算该模型的统计检测下界，与本文 LDP 界对照，量化计算硬度的确切间隙。

2. 10.1109/tit.2026.3658855 · arXiv — Improving Wald’s (Approximate) Sequential Probability Ratio Test by Avoiding Overshoot¶

作者: Lasse Fischer, Aaditya Ramdas
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2457-2471
相关性 7/10 · novelty: new_method
摘要: 在 Wald 的近似序贯概率比检验（SPRT）设定下，目标是修正经典近似阈值（\((1-\\beta)/\\alpha\) 与 \(\\beta/(1-\\alpha)\)）因 overshoot 导致的误差控制失效与期望样本量非最优问题。本文提出"sequential boosting"技术，通过修改检验统计量以在停止时刻避免 overshoot。对于 power-one SPRT（\(\\beta=0\)），该方法在简单原假设/备择假设及指数族单侧检验下均匀提升了检验效力；对于 \(\\beta>0\) 的情形，新方法在保证 \(\\alpha,\\beta\) 误差控制的同时，仿真显示所需样本量少于近似 SPRT。理论结果还拓展至置信序列、无替换抽样及 conformal martingale。对您研究序贯假设检验与 anytime-valid inference 的数学统计基础可能有用。
⚠️ 摘要不完整，待重跑（python -m research_news.rerun）
关键技术: sequential probability ratio test (SPRT), overshoot correction, sequential boosting, power-one SPRT, confidence sequences, conformal martingales
为什么对您有用: 直接连接到 primary interest 中的 hypothesis testing 子方向，特别是序贯检验与 anytime-valid inference 的误差控制与最优停止问题。用 technical_arsenal 中 very_familiar 的 minimax bounds for estimation problems 与 moderately_familiar 的 M-estimation theory 可以分析 sequential boosting 修改后统计量的收敛与效力界，验证其声称的均匀改进是否紧。follow-up 判断：立即可做——用熟悉的非参数与 minimax 工具即可着手分析其 power-one 情形的效力界与期望样本量率。

3. 10.1109/tit.2026.3661340 · arXiv — Barycentric Bounds on the Error Exponents of Quantum Hypothesis Exclusion¶

作者: Kaiyuan Ji, Hemant K. Mishra, Milán Mosonyi, Mark M. Wilde
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2391-2423
相关性 1/10 · novelty: new_theory
摘要: 在量子态排除（quantum state exclusion）设定下，给定从有限集合中随机选取的量子态，目标是找出一个非真实态，错误概率即选中真实态的概率；本文研究其最优错误概率与错误指数（error exponent）的信息论界。核心贡献是提出基于重心（barycentric）Chernoff 散度的单字母（single-letter）上界——multivariate log-Euclidean Chernoff divergence，并证明其严格改进了此前已知的最优上界。方法路径为：先做 one-shot 分析，将上界表述为 barycentric Chernoff divergence 这一多元散度度量，再取极限得到错误指数界。进一步将分析拓展至量子信道排除（允许自适应策略），给出可高效计算的单字母上界；在二元假设特例下，首次给出对称二元信道判别（symmetric binary channel discrimination）错误指数的可计算上界；在全经典信道特例下，证明上界可由并行策略达到，从而完全求解了经典信道排除的精确错误指数。对您有用：本文将多元 Chernoff 散度与排除型假设检验的错误指数联系起来，其重心式构造与 one-shot 到渐近的推导路径，可为经典多假设排除检验的 sharper rate 分析提供新视角。
关键技术: error exponent, multivariate log-Euclidean Chernoff divergence, barycentric Chernoff divergence, one-shot analysis, quantum state/channel exclusion, symmetric binary channel discrimination
为什么对您有用: 本文直接连接到 hypothesis testing 子方向中的多假设排除检验与错误指数界，其 multivariate Chernoff 散度的重心构造为经典多假设检验的 sharper bound 提供了潜在的新工具。用 technical_arsenal 中 very_familiar 的 minimax bounds for estimation problems 与 moderately_familiar 的 M-estimation theory，可以尝试将此 barycentric Chernoff 散度结构移植到经典多假设排除或 composite testing 设定，验证其是否给出比传统 union-bound / Bonferroni 更紧的错误指数上界。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将量子 one-shot 分析中的优化结构严格转化为经典设定下的可计算界。

统计计算 / 算法 (stat_computing, 6 篇)¶

1. 10.1109/tit.2026.3663678 · arXiv — From Freshness to Effectiveness : Goal-Oriented Sampling for Remote Decision Making¶

作者: Aimin Li, Shaohua Wu, Gary C. F. Lee, Sumei Sun
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2237-2276
相关性 2/10 · novelty: new_method
摘要: 在随机延迟与采样频率约束下，研究数据陈旧度对远程决策效用的影响，目标是联合优化采样与决策策略。作者提出 AR-MDP（Age-aware Remote MDP）框架，将 Age of Information 嵌入 MDP 状态空间以刻画 freshness-to-effectiveness 的映射。为高效求解该 constrained MDP，设计两阶段分层算法 QuickBLP：第一阶段求解 Bellman 变体的 Dinkelbach 根，第二阶段求解精简线性规划。针对第一阶段，提出 OnePDSI 迭代法，克服了现有 per-sample 多层算法的 re-convergence 与 non-expansive divergence 问题，并证明其最坏情况最优性间隙以 O(1/R^K) 指数衰减。通过敏感性分析导出采样频率阈值，超过该阈值后额外采样不再提升决策收益。对您可能有用：若将远程因果决策（如延迟观测下的 treatment 选择）建模为 MDP，该框架的 constrained LP 求解与敏感性分析可提供计算与理论参考。
关键技术: Age-aware Remote MDP, Dinkelbach algorithm for fractional programming, Bellman-linear-program (QuickBLP), One-layer Primal-Dinkelbach Synchronous Iteration, exponential convergence rate of optimality gap, sensitivity analysis for sampling threshold
为什么对您有用: 本文属于 stat_computing 与 constrained MDP 的交叉，核心是受限资源下的最优策略计算算法与收敛率证明。对您而言，若考虑将 longitudinal causal inference 中的延迟干预选择建模为 constrained MDP，AR-MDP 的 co-design 思路与 QuickBLP 的 LP 求解路径可直接对接您 very_familiar 的软件开发与高维渐近工具。Follow-up 判断：中期可做——需先在 moderately_familiar 的 M-estimation theory 上补充 constrained MDP 与 fractional LP 的对偶理论，才能将敏感性分析阈值结果转化为 semiparametric 效率界视角下的采样最优性判据。

2. 10.1109/tit.2026.3657135 · arXiv — Private Sum Computation: Trade-Offs Between Communication, Randomness, and Privacy¶

作者: Rémi A. Chou, Jörg Kliewer, Aylin Yener
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2472-2482
相关性 2/10 · novelty: new_theory
摘要: 在多用户-融合中心架构下，每个用户持有一条比特序列，通过单向公开信道向融合中心传输信息，目标是计算所有序列之和，同时要求合谋用户与融合中心对其他用户序列的互信息不超过预设阈值 δ。本文首先精确刻画了满足该 δ-隐私约束所需的最小通信量与最小本地随机性量，给出了通信-随机性-隐私的三方 trade-off 界。其次，文章证明私密求和计算所需的本地随机性生成必须依赖秘密共享机制，且该必要性对任意 δ ≥ 0 均成立，建立了私密函数计算与秘密共享之间的结构性等价联系。对您可能有用：该文的通信-随机性 trade-off 分析视角可类比迁移到分布式 U-统计量计算中节点间通信成本与隐私约束的权衡问题。
关键技术: mutual information privacy constraint, communication-randomness trade-off characterization, secret sharing necessity, distributed function computation, information-theoretic converse
为什么对您有用: 本文直接触及 stat_computing 中的通信-计算 trade-off，其信息论精确界的方法可类比到分布式 higher-order U-statistics 的 einsum/tensor contraction 通信成本分析。用 very_familiar 中的 computation of higher-order U-statistics (treewidth / tensor contraction / einsum) 视角，可以尝试将本文的通信下界论证移植到分布式 U-统计量求值的通信复杂度刻画上。立即可做：用 very_familiar 的 U-statistics treewidth 模型重写本文的求和设定，探索分布式 U-统计量在隐私约束下的通信下界。

3. 10.1109/tit.2026.3653055 — Random Multiplexing¶

作者: Lei Liu, Yuhao Chi, Shunqi Huang, Zhaoyang Zhang
期刊/来源: IEEE Transactions on Information Theory
机构: Zhejiang University · Xidian University · Japan Advanced Institute of Science and Technology
分类: vol 72 · issue 4 · pp 2277-2306
相关性 0/10 · novelty: new_method
摘要: 本文研究随机复用（random multiplexing）技术，旨在解决传统OFDM/OTFS等依赖特定信道结构（如Toeplitz或双选信道）的复用方法在动态环境中鲁棒性不足的问题。核心机制是通过随机变换域构造等价输入各向同性（input-isotropic）信道矩阵，使任意范数有界且谱收敛的信道矩阵对传输信号产生统计衰落信道遍历性。在此框架下，证明了在唯一不动点假设下，AMP类检测器对任意上述信道与信号配置具有渐近replica MAP误码率（BER）最优性；并提出低复杂度跨域记忆AMP（CD-MAMP）检测器，利用时域信道稀疏性与等价信道输入各向同性。进一步推导了最小化replica MAP BER与最大化replica约束容量的最优功率分配，以及CD-MAMP的编码原则与容量最优性。对您可能有用：本文将随机矩阵的谱收敛条件与AMP算法的replica分析结合，为高维线性系统的低复杂度检测提供了新的统计计算视角。
⚠️ 摘要不完整，待重跑（python -m research_news.rerun）
关键技术: random transform domain construction, input-isotropic channel matrix, approximate message passing (AMP), replica method for MAP BER, cross-domain memory AMP (CD-MAMP), spectral convergence of channel matrices
为什么对您有用: 本文连接到统计计算与高维统计交叉方向：其核心是将任意谱收敛信道矩阵通过随机变换转化为输入各向同性结构，从而保证AMP类算法的渐近最优性，这直接触及高维线性系统中的信息-计算权衡与低复杂度可达性问题。您武器库中very_familiar的"高维渐近理论"可直接用来审视其谱收敛假设与replica分析的严谨性，moderately_familiar的"逆问题与随机噪声"视角可评估其信道模型与统计逆问题的对应关系。中期可做：若想深入其replica方法与AMP收敛性证明，需先在moderately_familiar的"高维渐近理论"上补充随机矩阵自由概率与replica对称性破缺的肌肉，但核心统计计算思想可立即理解。

4. 10.1109/tit.2026.3662151 · arXiv — Service Rate Regions of MDS Codes and Fractional Matchings in Quasi-Uniform Hypergraphs¶

作者: Hoang Ly, Emina Soljanin
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2144-2161
相关性 0/10 · novelty: new_theory
摘要: 本文研究分布式存储系统中 MDS 码的 Service Rate Region (SRR)，即系统在服务器容量约束下可并发服务的数据请求率可行域，SRR 凸包为 ℝ^k 中的凸多面体。核心机制是将 SRR 的刻画问题转化为 quasi-uniform hypergraph 的 fractional matching polytope 的像，从而利用超图匹配理论替代穷举计算。作者提出了 Greedy Matching 分配策略，借此精确求解 SRR 的轴向截距与最小包含单纯形，并证明系统 SRR 随生成矩阵中 systematic 列数增加而严格扩大。理论结果统一了此前 systematic 与 non-systematic MDS 码的 SRR 结论，对分布式存储设计有直接指导意义。对您而言，本文将组合优化中的 fractional matching 与多面体几何结合，其 hypergraph-tensor 的组合视角与您用 treewidth / einsum 分析高阶 U-statistic 计算复杂度的思路有结构相似性。
关键技术: fractional matching polytope, quasi-uniform hypergraph, MDS codes, Greedy Matching allocation, convex polytope characterization, service rate region
为什么对您有用: 本文属于 stat_computing / 组合优化方向，核心是 hypergraph 上的 fractional matching 与多面体几何刻画，与您用 treewidth / tensor contraction / einsum 分析高阶 U-statistic 计算成本的图论-组合视角结构相似。您武器库中的 very_familiar 项（computation of higher-order U-statistics via treewidth / tensor contraction）可直接用来审视 Greedy Matching 策略的计算复杂度是否可进一步用 contraction-order optimization 改进。Follow-up 判断：中期可做——需先在 moderately_familiar 的 M-estimation / 组合优化多面体理论上长肌肉，才能将 fractional matching polytope 的组合结构真正迁移到 U-statistic 的可行域或计算边界分析中。

5. 10.1109/tit.2026.3661603 · arXiv — Efficient Approximation of Regularized Relative Entropies and Applications¶

作者: Kun Fang, Hamza Fawzi, Omar Fawzi
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2330-2342
相关性 0/10 · novelty: new_method
摘要: 本文研究量子相对熵的正则化形式在结构化集合上的高效近似问题；目标 estimand 是两个量子态集合序列间的正则化相对熵，关键假设是集合具有高效描述与特定结构性质（如凸性、闭性）。核心方法是将原本需要极限运算的正则化相对熵，松弛为多项式规模的量子相对熵程序，从而在加性误差内高效近似；对不满足结构假设的集合，通过松弛到满足条件的集合来建立可计算界。主要理论结果给出了多项式时间可近似性的严格保证，并在对抗性量子信道判别、纠缠代价与魔力态蒸馏等量子资源理论中提供了改进的高效界。数值实验显示即使第一层近似即有显著改进。对您而言，本文展示了如何将信息论中的极限量转化为多项式规模的可计算程序，其松弛-近似思路与统计计算中处理不可行优化问题的策略有结构相似性。
关键技术: regularized quantum relative entropy, polynomial-size convex program approximation, quantum channel discrimination, quantum resource theory relaxation, additive error approximation
为什么对您有用: 本文属于 stat_computing 与信息论交叉，核心是多项式时间内近似正则化信息量——与您关注的统计-计算权衡（信息-计算间隙、多项式时间可达性）在问题结构上同源：都是刻画'统计极限量 vs 多项式时间可计算量'的间隙与松弛。您武器库中的'高维渐近理论'与'逆问题'经验可帮助理解量子态集合的几何结构假设，但量子信息论的具体语境（量子信道、纠缠代价）是核心障碍。中期可做：需先在 moderately_familiar 的 M-估计理论之外，补充量子信息论中凸优化与相对熵的基本语言，才能将本文的松弛-近似框架迁移到经典统计的正则化极值问题中。

作者: Joy Z. Wan, Ning Luo
期刊/来源: IEEE Transactions on Information Theory
机构: University of Illinois Urbana-Champaign
分类: vol 72 · issue 4 · pp 2502-2513
相关性 0/10 · novelty: new_method
摘要: 在分布式多用户秘密共享（DMUSS）设定下，目标是实现弱隐私与正确性约束下的容量区域（capacity region）的信息论极限。先前 Khalesi 等人的编码/解码方案依赖随机 Monte-Carlo 过程，其成功概率取决于超大有限域的选取，存在随机失败且硬件实现成本高。本文填补了这一确定性设计的空白：提出了一个确定性多项式时间算法，能在小且硬件友好的有限域上达到容量区域的每个整数率点（integral-rate point）。算法的渐近运行时间甚至优于单次 Monte-Carlo 模拟，首次给出了该容量区域的显式确定性实现。对您可能有用：本文展示了如何将信息论极值转化为确定性多项式时间构造，其有限域上的确定性编码设计思路与您在统计计算中处理高维数值/矩阵算法的硬件友好性考量有相通之处。
关键技术: deterministic polynomial-time algorithm, finite-field coding design, capacity region characterization, distributed secret sharing, weak privacy constraint
为什么对您有用: 本文属于信息论/密码学的确定性算法设计，与您 primary interest 中的 stat_computing（数值方法与算法）有交叉：它将信息论容量极限转化为小有限域上的确定性多项式时间构造，展示了从随机 Monte-Carlo 到确定性算法的典型路径。武器库中 very_familiar 的 software development 与 high-dimensional asymptotics 可以帮助理解其有限域编码与渐近复杂度分析，但核心密码学设定（secret sharing 的 privacy/correctness 信息论刻画）不在您的武器库中。暂不可做：核心机器（信息论容量区域的编码构造与密码学隐私约束）不在武器库里，需先补信息论编码基础才能切入。

其他 (other, 19 篇)¶

1. 10.1109/tit.2025.3645223 · arXiv — A Family of LZ78-Based Universal Sequential Probability Assignments¶

作者: Naomi Sagan, Tsachy Weissman
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2557-2583
相关性 3/10 · novelty: new_method
摘要: 本文在个体序列（individual sequence）设定下，提出并研究了一族基于 LZ78 增量解析过程的通用序列概率分配（universal sequential probability assignment）。核心 estimand 是序列的逐点概率分配，关键假设为无分布的个体序列模型。作者证明，在该族模型下归一化 log-loss 收敛于归一化 LZ78 码长，且收敛对所有个体序列一致成立；为建立该通用性，文中整合了有限状态可压缩性与 Markov/有限状态模型下最优 log-loss 之间的经典等价关系。此外，文章分析了该族模型作为概率源时的理论性质与计算特征，并给出在压缩、生成与分类任务上的实验验证。对您而言，本文提供了一种将压缩算法（LZ78）与概率分配/预测损失显式连接的解析框架，可作为理解序列预测中计算-统计权衡的入门参考。
关键技术: LZ78 incremental parsing, universal sequential probability assignment, normalized log-loss convergence, finite-state compressibility, individual sequence model
为什么对您有用: 本文属于 stat-computing / information theory 交叉方向，核心是将 LZ78 压缩算法的解析步骤直接转化为序列概率分配，并证明 log-loss 一致收敛到 LZ78 码长——这为理解序列预测中的计算-统计权衡（computational-statistical tradeoff）提供了一个具体的、可计算的实例。从 technical_arsenal 看，您 very_familiar 的 software development / computation of higher-order U-statistics (einsum/tensor contraction) 可直接用于分析该族概率分配的计算复杂度与实现优化（如增量解析的树结构遍历）。follow-up 粗判：中期可做——若想将此框架与您 primary interest 中的 computationally constrained statistics（如 low-degree polynomial barrier）对接，需先在 moderately_familiar 的 M-estimation / minimax 理论之外，补充 average-case complexity 与 SQ / low-degree 模型的知识（当前武器库缺此核心机器）；但仅从计算实现与复杂度分析角度切入，则立即可做。

2. 10.1109/tit.2026.3661484 — Joint 9-D Receiver Localization and Ephemeris Correction Using LEO and 5G Base Stations¶

作者: Don-Roberts Emenonye, Wasif J. Hussain, Harpreet S. Dhillon, R. Michael Buehrer
期刊/来源: IEEE Transactions on Information Theory
机构: Virginia Tech
分类: vol 72 · issue 4 · pp 2177-2200
相关性 3/10 · novelty: new_method
摘要: 本文研究低轨卫星（LEO）与5G基站联合实现9维接收机定位（3D位置、3D姿态、3D速度）及LEO星历修正的Fisher信息交互。在包含LEO-接收机、LEO-基站、基站-接收机三链路的信道模型下，利用Fisher信息矩阵（FIM）量化信道参数信息，并通过FIM变换推导出9维定位参数与LEO位置/速度偏移的闭式FIM表达式。基于FIM的可识别性分析给出了不同LEO数量下所需基站数与时隙数的最低配置（如单LEO需3基站3时隙），CRLB分析则给出了接收机定位误差约0.1cm、LEO位置偏移误差约0.01m等具体数值界。对您可能有用：本文的FIM变换与可识别性分析框架，可作为理解多参数联合估计中信息几何与CRLB计算的参考案例。
关键技术: Fisher information matrix transformation, Cramér-Rao lower bound, identifiability analysis, 9D localization parameter estimation, closed-form FIM derivation
为什么对您有用: 本文与您的主要兴趣（因果推断、高维/半参数效率界、U统计量）无直接交集，其核心是信号处理中的多参数FIM与CRLB分析，而非半参数效率界或debiasing。虽然FIM与CRLB在概念上与您熟悉的效率理论有数学同源性，但本文的参数模型设定与变换技巧离您的研究场景较远。若您想从效率理论的参数子域（CRLB）切入了解FIM变换在多参数联合估计中的闭式推导，本文可作为入门读物，但武器库中无需额外补充即可读懂核心定理；不过，对您当前研究议程而言，这属于暂不可做的延伸方向——缺乏与因果/高维/半参数问题的实质性连接口子。

3. 10.1109/tit.2026.3660255 · arXiv — Volume-Based Lower Bounds to the Capacity of the Gaussian Channel Under Pointwise Additive Input Constraints¶

作者: Neri Merhav, Shlomo Shamai
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2067-2082
相关性 2/10 · novelty: new_theory
摘要: 本文研究逐点加性输入约束下高斯信道容量的下界问题；estimand 为信道容量，约束形式为 ∑φ_j(x_i)≤nΓ_j（逐点而非期望），并推广到滑动窗口 m 阶代价函数以容纳相关性约束。提出两类下界：第一类基于熵功率不等式（EPI），仅适用于连续输入；第二类直接操作互信息，适用于离散字母表，界更紧但技术更复杂。两类方法均依赖约束集体积指数的精确计算，核心技术工具为连续字母表上的 type method 推广、鞍点积分法与大偏差理论。数值示例验证了界的有效性。对您而言，本文的大偏差与鞍点积分工具在非参数/半参数极值统计中有类比价值，但主题偏离您的核心方向。
关键技术: volume exponent evaluation, method of types for continuous alphabets, saddle-point integration, large deviations theory, entropy power inequality, mutual information manipulation
为什么对您有用: 本文属于信息论信道容量界问题，与您的因果推断/高维/效率理论等核心方向无直接交集。大偏差与鞍点积分虽在您熟悉的 minimax bound 与高维渐近理论中有类似工具，但本文的体积指数计算针对的是约束集几何而非统计估计风险。技术武器库中的 minimax bounds 与高维渐近理论可理解其证明骨架，但缺乏信息论背景难以切入实质改进。暂不可做：核心问题（信道容量下界）与您的 research agenda 不匹配，无需花时间读全文。

4. 10.1109/tit.2025.3642733 · arXiv — Semidefinite Optimization of the Quantum Relative Entropy of Channels¶

作者: Gereon Koßmann, Mark M. Wilde
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2378-2390
相关性 2/10 · novelty: new_method
摘要: 本文研究量子信道相对熵的计算问题，目标是给出信道相对熵这一量子信道判别与资源理论核心量的可计算上下界。设定为量子信道空间上的优化问题，关键假设依赖近期量子态相对熵优化的积分表示离散线性化技术。核心方法是对态相对熵的积分表示做离散化线性化，将信道相对熵的极大化任务转化为半正定规划（SDP）可处理的形式，同时提供可高效计算的上下界，以任意精度夹逼真值。理论结果证明该方法能以任意精度收敛到信道相对熵的真实值，并给出了具体的 SDP 算法流程。对您而言，本文属于量子信息论的优化方法，与因果推断或高维统计的直接关联较弱，但其 SDP 精确夹逼策略在 stat-computing 视角下有一定参考价值。
关键技术: semidefinite programming, quantum relative entropy, integral representation discretization, channel discrimination, sandwich bounds
为什么对您有用: 本文核心属于量子信息论，与您 primary interests（因果推断、高维 RMT、效率理论）无直接交集。唯一微弱连接在 stat_computing：它用半正定规划（SDP）做非光滑熵泛函的精确夹逼优化，这一数值策略思路在您做高维/半参数计算时或可借鉴，但具体问题结构差异极大。武器库中 SDP 不在列表，且量子信道框架需额外领域知识。暂不可做：核心机器（量子信息/信道 SDP）不在武器库，且缺乏通向您研究问题的明确技术桥梁，不建议深入阅读。

5. 10.1109/tit.2024.3516505 · arXiv — A Rate-Distortion Perspective on Quantum State Redistribution¶

作者: Zahra Baghali Khanian, Andreas Winter
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2307-2318
相关性 1/10 · novelty: new_theory
摘要: 本文研究量子态重分配（quantum state redistribution）的率失真版本，即在加性失真度量下解码误差受控的量子 Wyner-Ziv 问题推广；设定为三方纯态源（编码器 Alice、解码器 Bob、参考 R），双方需输出重构系统且失真由 R-A-B 上可观测量编码。核心贡献是在自由纠缠辅助下给出了率失真函数的单字母公式，涵盖以往量子率失真、态合并及纯态源重分配等特例。该公式一般需对无界辅助寄存器做优化，导致零失真处存在连续性问题且不可直接计算，作者仅在特定情形给出可解方案。对您而言，本文属量子信息论而非统计推断，率失真框架与经典统计 minimax / semiparametric 理论无直接对接。
关键技术: quantum rate-distortion theory, quantum Wyner-Ziv problem, quantum state redistribution, single-letter formula, entanglement-assisted compression, unbounded auxiliary system optimization
为什么对您有用: 本文属于量子信息论，与您 primary interests（因果推断、高维 RMT、semiparametric efficiency、higher-order U-statistics）无直接交集。率失真函数的优化与 minimax bound 有形式类比，但核心机器（量子纠缠辅助、Hilbert 空间可观测量）不在您的武器库中。暂不可做：缺乏量子信息与量子 Shannon 理论的基础训练，无法切入其辅助寄存器优化与连续性问题的技术细节。

6. 10.1109/tit.2026.3659344 · arXiv — A General DoF and Pattern Analyzing Scheme for Electromagnetic Information Theory¶

作者: Zhongzhichao Wan, Jieao Zhu, Yongli Yan, Linglong Dai
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2218-2236
相关性 1/10 · novelty: new_method
摘要: 本文研究电磁信息理论（EIT）中连续电磁场的自由度（DoF）分析问题，目标是在有限空间区域与有限带宽的实际设定下给出 DoF 的数学定义与非渐近界。作者首先给出连续电磁场 DoF 的泛函定义，并证明信道 DoF 受该泛函 DoF 上界约束；核心机制是将 Slepian concentration problem 的谱紧致工具推广至三维空间域与四维时空域，结合电磁约束（如 Helmholtz 方程）导出渐近与非渐近 DoF 分析框架。数值部分给出了三维天线阵列的最优空间采样间隔、不等间距影响及正交时空模式等经验洞察。对您而言，本文的 Slepian concentration 与空间-频率联合紧致问题与高维统计中的随机矩阵谱紧致有形式类比，但核心是通信工程而非统计推断。
关键技术: Slepian concentration problem, prolate spheroidal wave functions, functional degree of freedom, spatial-frequency concentration, Helmholtz electromagnetic constraints
为什么对您有用: 本文属于通信工程领域，与您的高维统计 / RMT / 因果推断等核心方向无直接方法论重叠。Slepian concentration problem 与 RMT 的 Marchenko-Pastur 定律在谱紧致问题上有形式相似性，但本文未使用随机矩阵工具，而是确定性算子谱分析。用您 very_familiar 的高维渐近工具无法直接攻入本文的电磁约束设定，且本文不涉及统计推断或计算复杂度问题。暂不可做：核心机器（电磁场约束下的 Slepian 算子谱分析）不在武器库中，且缺乏统计推断视角的连接点。

7. 10.1109/tit.2026.3667001 · arXiv — Analysis Methodology for Age of Information Under Sequence-Based Scheduling¶

作者: Fang Liu, Wing Shing Wong, Yuan-Hsun Lo, Yijin Zhang, Chung Shue Chen
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2201-2217
相关性 1/10 · novelty: new_method
摘要: 本文研究无反馈、无同步的多接入系统中，基于周期二进制序列调度的信息年龄（AoI）性能，estimand 为平均 AoI。核心挑战在于状态生成周期 T 与序列周期 L 不等时，碰撞与更新时序的联合分布难以刻画。作者引入基于整数分拆的数学工具来分解周期偏移下的更新间隔结构，并对 T 与 L 的两种特殊关系推导出低复杂度闭式表达式。基于解析结果，提出序列构造参数的优化方法以最小化平均 AoI，仿真表明该序列方案在能耗更低的前提下优于两类常用基线。对您而言，本文的整数分拆组合工具与周期序列优化思路与统计计算中的离散结构算法设计有微弱联系，但核心问题远离因果推断与高维统计。
关键技术: Age of Information (AoI), sequence-based scheduling, integer partitions, closed-form AoI expression, periodic binary sequence optimization
为什么对您有用: 本文属于通信理论中的排队/调度分析，与您的 primary interests（因果推断、高维/RMT、半参数效率、U-statistics）无直接交集。整数分拆工具虽属离散数学组合方法，但与您武器库中的 tensor contraction / einsum 复杂度刻画或 minimax bound 技术无实质通道。暂不可做：核心问题与数学工具均在通信调度领域，武器库中缺少排队论与 AoI 渐近分析的基础，不建议展开阅读。

8. 10.1109/tit.2025.3607876 · arXiv — Codes Correcting Two Bursts of Exactly b Deletions¶

作者: Zuo Ye, Yubo Sun, Wenjun Yu, Gennian Ge, Ohad Elishco
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2083-2098
相关性 0/10 · novelty: sharper_rate
摘要: 本文研究纠正恰好两次突发删除（每次突发长度恰好为 b>1）的纠错码构造问题，目标是降低码字冗余度。先前基于 syndrome compression 技术的最佳构造冗余至多为 7log n + O(log n / log log n) bits。作者提出新的 q-ary 码构造方法，对所有 b>1 和 q≥2 将冗余降至至多 5log n + O(log log n) bits；同时对 b=1（即两次精确单删除）情形，给出 q>2 时冗余为 5log n + O(log log n) bits 的新构造。核心机制依赖于组合设计与字符串索引的精细编码方案，而非统计推断工具。该结果属于编码理论领域的冗余界改进，与您的因果推断、高维/半参效率理论或 U-统计量等核心方向无直接技术交集。
关键技术: burst-deletion correcting codes, syndrome compression, q-ary code construction, redundancy bound improvement, combinatorial coding theory
为什么对您有用: 本文属于纯编码理论（coding theory），与您 primary interests 中的因果推断、高维随机矩阵、半参效率界、高阶 U-统计量等均无技术对接点，亦不涉及统计计算中的数值方法或矩阵张量算法。您 technical_arsenal 中的工具（minimax bounds、treewidth / tensor contraction、HOIF 等）无法直接切入该编码构造问题。暂不可做：核心机器（代数编码理论、syndrome compression 框架）不在武器库里，且该方向与您研究议程的交叉价值极低，不建议展开阅读。

9. 10.1109/tit.2026.3665157 · arXiv — On Zero Skip-Cost Generalized Fractional-Repetition Codes From Covering Designs¶

作者: Wenjun Yu, Bo-Jun Yuan, Moshe Schwartz
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2123-2132
相关性 0/10 · novelty: new_theory
摘要: 本文研究基于覆盖设计（covering designs）的零跳过成本（zero skip cost）广义分数重复码（GFR codes），目标是在分布式存储编码设定下实现无额外读取开销的数据修复。作者证明零跳过成本总是可达的，但可能需要以扩张因子（expansion factor）为代价，相较于基于 Steiner 系统的最优分数重复码。文中给出三种具体构造，并非构造性地证明对于基于足够大覆盖系统的所有码，无需扩张即可实现零跳过成本。该工作属于编码理论与组合设计交叉领域，对您的研究兴趣无直接方法论关联。
关键技术: generalized fractional repetition codes, covering designs, zero skip cost, Steiner systems, expansion factor, combinatorial constructions
为什么对您有用: 本文属于编码理论/组合设计领域，与您的因果推断、高维统计、U-统计量及计算统计等核心方向无直接交集。虽然组合设计在实验设计中有远端联系，但本文的分布式存储编码设定与您的技术武器库（高维渐近、U-统计量计算、半参效率界）不匹配。暂不可做：核心问题与工具（编码论中的覆盖设计构造）不在您的武器库中，且缺乏通向您 primary interests 的明确技术桥梁，不建议展开阅读。

10. 10.1109/tit.2026.3659469 · arXiv — Sliding Secure Symmetric Multilevel Diversity Coding¶

作者: Tao Guo, Laigang Guo, Yinfei Xu, Congduan Li, Shi Jin
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2483-2501
相关性 0/10 · novelty: new_theory
摘要: 本文研究信息论中的滑动安全对称多级多样性编码（sliding secure SMDC）问题，设定为L个编码器、安全阈值s，要求当可访问编码器数不超过α-s时，源X_α必须完美安全。当s=1时，证明superposition coding仍最优；但对(L,s)=(3,2)刻画了精确速率域，表明superposition coding在一般情形下次优。核心机制是利用低重要性源（如X_{α-1}）作为高重要性源（X_α）的密钥进行联合编码，据此提出达到一般(L,s)多级秘密共享最小和速率的联合编码方案，以及达到一般滑动安全SMDC最小和速率的伪叠加编码方案。本文属于纯信息论网络编码领域，与统计推断或高维统计无交集，对您的研究方向无直接参考价值。
关键技术: superposition coding, sliding secure SMDC, multilevel secret sharing, rate region characterization, joint encoding with secret key leveraging, pseudo-superposition coding
为什么对您有用: 本文属于纯信息论/网络编码领域，与您关注的因果推断、高维/随机矩阵、半参数效率、U统计量或计算-统计权衡均无交集。武器库中的所有工具（minimax bounds、higher-order U-statistics、tensor contraction等）均无法切入此信息论编码问题。暂不可做：核心问题（多源安全编码速率域刻画）完全不在您的统计研究议程内，不建议花时间阅读。

11. 10.1109/tit.2026.3656762 · arXiv — Entanglement Recycling in Two-Step Port-Based Teleportation¶

作者: Piotr Kopszak, Dmitry Grinko, Adam Burchardt, Maris Ozols, Michał Studziński, Marek Mozrzymas
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2343-2357
相关性 0/10 · novelty: new_theory
摘要: 本文研究量子信息中的 Port-Based Teleportation (PBT) 协议在相同纠缠资源上重复两次执行（two-step PBT）的性质，计算了 deterministic 与 probabilistic 两种设定下（采用 pretty-good measurement 与非 EPR 资源）的纠缠保真度与成功概率。核心结论是：当资源规模足够大时，two-step PBT 是精确的协议，其中 deterministic 版本的保真度接近最优的 MPBT 保真度。此外，作者计算了 probabilistic 设定下的 recycling fidelity，量化了资源状态的退化程度，证明在 EPR 资源下纠缠回收是可行的。对您而言，本文属于量子信息理论，与因果推断、高维统计或 U-统计量等核心方向无直接交集。
关键技术: Port-Based Teleportation, pretty-good measurement, entanglement fidelity, recycling fidelity, deterministic probabilistic PBT
为什么对您有用: 本文属于量子信息与通信理论，与您在因果推断、高维/随机矩阵、高阶 U-统计量及统计计算等 primary interests 均无直接方法论交集。虽然 PBT 涉及张量结构与组合计算，但本文的量子纠缠保真度分析并未触及您熟悉的 einsum/treewidth 复杂度或高阶 U-统计量投影工具，且缺乏统计推断设定。属于暂不可做：核心机器（量子信息协议设计）不在武器库里，且主题偏离统计推断，不建议展开阅读。

12. 10.1109/tit.2026.3661419 · arXiv — On the Maiorana–McFarland Class Extensions¶

作者: Nikolay Kolomeec, Denis Bykov
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2514-2527
相关性 0/10 · novelty: new_theory
摘要: 本文研究布尔 bent 函数的 Maiorana–McFarland 类在 \(m=2n\) 变量下相对于扩展仿射等价的两种推广 \(\mathcal{M}_m^\#\) 与 \(\hat{\mathcal{M}}_m\)，核心构造为 \(f \oplus \mathrm{Ind}_U\)（\(U\) 为 \(\mathbb{F}_2^m\) 的 \(m/2\) 维仿射子空间）。作者给出了 \(|\hat{\mathcal{M}}_m|\) 的显式计数公式、\(|\hat{\mathcal{M}}_m^\#|\) 的上界以及 \(|\mathcal{M}_m^\#|\) 的渐近紧界。进一步研究了这两类的度量性质：计算了 \(\mathcal{M}_m\) 中所有最近 bent 函数的数目并给出 \(\mathcal{M}_m^\#\) 的相应上界；定义了平均仿射子空间数 \(E(\mathcal{M}_m)\) 并证明 \(E(\mathcal{M}_m^\#) < E(\mathcal{M}_m)\)（\(m \ge 10\)）且两者渐近相等。该工作属于密码学布尔函数的代数与组合计数，与统计推断或高维统计理论无交集，对您的核心研究方向无直接参考价值。
关键技术: Maiorana-McFarland bent functions, extended-affine equivalence, affine subspace characteristic function, combinatorial enumeration, asymptotic bounds
为什么对您有用: 本文属于密码学布尔函数的纯组合与代数计数问题，与您关注的因果推断、高维/RMT、半参数效率、U-statistics 及 stat-computing tradeoff 均无交集。武器库中的高维渐近或 minimax 理论无法切入该代数组合框架，且该方向不需要统计推断工具。暂不可做：核心问题（bent 函数等价类计数）完全在统计武器库之外，且对统计研究无方法论迁移价值，不建议展开阅读。

13. 10.1109/tit.2026.3663591 · arXiv — Hybrid Character Sums From Vectorial Dual-Bent Functions and Asymptotically Optimal Complex Codebooks With Small Alphabet Sizes¶

作者: Ziling Heng, Peng Wang, Chengju Li
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2528-2542
相关性 0/10 · novelty: new_theory
摘要: 本文研究有限域上向量dual-bent函数生成的混合特征和（hybrid character sums）的精确模值或显式表达式，设定为 \(F_{p^m}\) 与 \(F_p\) 上向量空间之间的映射 \(F\) 及其乘法与加法特征。核心机制是利用向量dual-bent函数的Walsh谱性质，将混合特征和的模值控制在极小水平，并据此构造三类渐近最优复数码本（codebook），确定其最大互相关幅值仅为两值或三值。码本字母表尺寸极小，利于硬件实现。主要理论结果是对已知特征和结论的推广及码本构造的渐近最优性。对您而言，本文属于纯有限域组合与编码理论，与因果推断、高维统计或效率理论无交集。
关键技术: hybrid character sum, vectorial dual-bent function, Walsh spectrum, asymptotically optimal codebook, cross-correlation amplitude
为什么对您有用: 本文属于纯代数编码与有限域组合设计，与您primary interests中的因果推断、高维RMT、效率理论或计算统计-tradeoff均无直接技术交集；RMT中的Marchenko-Pastur虽涉及特征和，但此处是有限域上的离散特征和，工具与问题完全不同。武器库中的高维渐近或U-stat计算无法切入该论文的代数证明口子。暂不可做：核心机器（有限域bent函数理论、代数编码构造）不在武器库中，且该方向对统计推断无方法论回馈，不建议花时间读全文。

14. 10.1109/tit.2025.3649882 — The t -Designs and the Subcode Support Weight Distributions of r -GMDS Codes¶

作者: Xu Pan, Hongwei Liu, Jun Zhang, Xueyan Chen
期刊/来源: IEEE Transactions on Information Theory
机构: Jinan University · Central China Normal University · Capital Normal University
分类: vol 72 · issue 4 · pp 2162-2176
相关性 0/10 · novelty: new_theory
摘要: 本文研究线性码子码支撑所构造的 t-design 及其与子码支撑重量分布的关系，核心设定是 r-GMDS 码及其组合性质。作者引入 r-GMDS 码概念，利用自同构群的 t-transitive 性质证明 Reed-Muller 码等子码支撑可构造 t-design，并将 block 数量关联到子码支撑重量分布。随后建立 l-MDS 码与 r-GMDS 码的联系，推导出新的重量分布公式，并完全确定了 MDS / NMDS 码（及扩展三元 Golay 码）的子码支撑重量分布。核心工具是 Assmus-Mattson 定理的子码推广与有限域上的组合计数。本文属于纯代数编码理论，不涉及概率模型或统计推断，对您的因果推断 / 高维统计 / 效率理论等方向无直接方法学迁移价值。
关键技术: Assmus-Mattson theorem extension, subcode support weight distribution, r-GMDS codes, t-transitive automorphism group, Reed-Muller codes
为什么对您有用: 本文属于纯代数编码与组合设计理论，与您的 primary interests（因果推断、高维 RMT、效率理论、U-统计量）及 secondary interests 均无交集。武器库中的高维渐近理论或 U-统计量组合结构无法攻入此文的有限域组合计数框架。follow-up 判断：暂不可做——核心机器（有限域线性码的组合代数理论）不在武器库中，且该方向与您的研究议程无实质连接，不建议花时间阅读全文。

15. 10.1109/tit.2026.3662335 — A Generalized χ _n -Function¶

作者: Cheng Lyu, Mu Yuan, Dabin Zheng, Siwei Sun, Shun Li
期刊/来源: IEEE Transactions on Information Theory
机构: Hubei University · State Key Laboratory of Cryptology · University of Chinese Academy of Sciences
分类: vol 72 · issue 4 · pp 2543-2556
相关性 0/10 · novelty: new_theory
摘要: 本文研究轻量级密码学中广泛使用的 χ_n 映射（定义在 F_2^n 上，仅当 n 为奇数时为双射）的推广问题，目标是构造对任意正整数 n 均为置换的广义映射。作者引入了广义映射 χ_{n,m} 及其进一步推广 θ_{m,k}，证明了这些映射生成的群同构于 F_2[z]/(z^{⌊n/m⌋+1}) 的单位群，从而系统构造了任意维度上的置换及其逆映射。文章严格分析了这些映射的迭代、不动点和圈结构等代数性质，并对小参数下的密码学性质建立了数据库。最后，对 χ_{n,m}、χ_n 及 χχ_n 的安全性与实现代价进行了比较分析，并作为副产品证明了 Belkheyar 等人（2025）的猜想。本文属于纯代数/密码学方向，与统计推断或高维统计无直接交集，对您的主要研究方向无方法论迁移价值。
关键技术: finite field permutation polynomials, abelian group isomorphism, cycle structure analysis, lightweight cryptography S-box
为什么对您有用: 本文属于轻量级密码学中的有限域置换构造与代数结构分析，与您关注的 causal inference、高维统计、RMT、U-statistics、semiparametric efficiency 及 stat-computing tradeoff 均无交集。武器库中的任何工具（higher-order U-statistics / minimax bounds / tensor contraction）均无法切入该论文的代数群论问题。暂不可做：核心机器（有限域上的多项式环与群论密码分析）不在武器库里，且该主题对您的统计研究路线无入门或迁移价值，不建议花时间阅读。

16. 10.1109/tit.2025.3646986 — Corrections to “Approximate Degradable Quantum Channels”¶

作者: David Sutter, Volkher B. Scholz, Andreas Winter, Renato Renner
期刊/来源: IEEE Transactions on Information Theory
机构: Instituto de Física Teórica · X-Fab (Germany)
分类: vol 72 · issue 4 · pp 2602-2603
相关性 0/10 · novelty: minor
摘要: 本文是对2017年论文“Approximate Degradable Quantum Channels”的勘误，修正了原论文Theorem 11证明中的错误，该定理涉及近似反可降解量子信道的私密容量上界。作者进一步给出了量子容量更紧的界。该工作属于量子信息论领域，核心对象是量子信道容量及其在近似可降解性假设下的界，与经典统计推断或高维理论无交集。对您的研究方向无直接关联，仅作为量子信息领域内部的技术修正。
关键技术: quantum channel capacity, approximate degradability, private capacity upper bound, quantum capacity bound
为什么对您有用: 本文属于量子信息论内部的勘误与界收紧，与您关注的因果推断、高维/随机矩阵、半参数效率界、U统计量等方向均无交集。武器库中的任何工具（minimax、HOIF、tensor contraction等）均无法切入此量子信道容量问题。暂不可做：核心机器（量子信息论/量子Shannon理论）不在武器库中，且该方向与您现有研究议程无交叉点，不值得花时间读全文。

17. 10.1109/tit.2026.3665706 — AntiGriesmer Bounds, Optimal Codes, and Their Subcode Support Weight Distributions¶

作者: Conghui Xie, Hao Chen, Cunsheng Ding, Chengju Li
期刊/来源: IEEE Transactions on Information Theory
机构: Shenzhen Institute of Information Technology · Jinan University · Hong Kong University of Science and Technology · Shanghai Key Laboratory of Trustworthy Computing · East China Normal University
分类: vol 72 · issue 4 · pp 2133-2143
相关性 0/10 · novelty: new_theory
摘要: 本文研究射影线性码的子码支撑权重（subcode support weight）的 antiGriesmer 下界，给出了 \(r\) 维子码支撑权重的最大值下界。基于线性码的 \(r\)-SSWD，作者计算了其单纯形补码的 \(r\)-SSWD，并构造了若干达到 \(\ell\)-广义 Hamming 权重 Griesmer 界的距离最优码无穷族。这些码对 \(j\)-广义 Hamming 权重（\(1 \\le j < \\ell\)）不满足 Griesmer 界，同时确定了这些最优码的子码支撑权重分布。该工作属于编码理论中的组合界与最优构造，与统计推断或高维数据分析无直接交集。
⚠️ 摘要不完整，待重跑（python -m research_news.rerun）
关键技术: antiGriesmer bound, subcode support weight distribution, generalized Hamming weight, simplex complementary codes, distance-optimal codes
为什么对您有用: 本文属于纯编码理论（组合界与最优码构造），与您的 primary interests（因果推断、高维统计/RMT、半参数效率、U-统计量）及 secondary interests 均无实质交集。武器库中的高维渐近或 minimax 理论无法直接攻入该组合编码问题。follow-up 判断：暂不可做——核心机器（有限域上的组合编码理论、广义 Hamming 权重代数结构）不在武器库中，且对您的研究方向无方法论迁移价值，不建议花时间阅读。

18. 10.1109/tit.2026.3664947 · arXiv — Constructions of Non-Generalized Reed–Solomon MDS Codes¶

作者: Shengwei Liu, Hongwei Liu, Frédérique Oggier
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2112-2122
相关性 0/10 · novelty: new_theory
摘要: 本文研究非广义 Reed–Solomon (non-GRS) 最大距离可分 (MDS) 码的构造问题，MDS 码在给定长度与码字规模下具有最优最小距离。在 Roth & Lemple (1989) 首次给出实例、Beelen et al. (2017) 引入 twisted RS 码并证明其产生 non-GRS MDS 码之后，本文提出一种 generic construction，生成了无穷多 non-GRS MDS 码实例。作者进一步显式刻画了若干 non-GRS MDS 码族，并将部分新码与 generalized twisted RS 码进行对比，给出该码族的新视角。核心结果是纯代数组合构造，无统计收敛率或概率极限理论。对您而言，本文属于纯编码理论，与因果推断、高维统计或效率理论无直接技术交集。
关键技术: MDS codes, Generalized Reed-Solomon codes, Twisted Reed-Solomon codes, Algebraic code construction
为什么对您有用: 本文属于纯代数编码理论，与您 primary interests（因果推断、高维 RMT、效率理论、higher-order U-statistics）及 secondary interests 均无技术交集，武器库中的 minimax bounds / U-statistic tensor contraction / semiparametric theory 无法切入此代数构造问题。属于暂不可做且无需跟进的方向。

19. 10.1109/tit.2026.3659999 · arXiv — Characterizing the Burst Error Correction Ability of Quantum Cyclic Codes¶

作者: Jihao Fan, Min-Hsiu Hsieh
期刊/来源: IEEE Transactions on Information Theory
分类: vol 72 · issue 4 · pp 2319-2329
相关性 0/10 · novelty: new_method
摘要: 本文研究量子循环码（QCCs）在量子信道中的突发错误纠正能力，设定为基于 CSS 和 Hermitian 构造的 QCC 模型。核心机制是提出多项式时间复杂度的算法来确定 QCCs 和量子 Reed-Solomon 码的突发错误纠正极限，从而获得大量达到量子 Reiger 界的量子突发错误纠正码（QBECCs）。此外，作者给出了量子错误捕获解码器（QETD），该解码器以线性时间运行，可同时解码退化与非退化突发错误，数值实验表明其解码退化错误的能力远超非退化错误。本文属于量子信息编码理论，与经典统计推断或高维统计无直接交集；对您而言，仅当关注量子计算中的纠错算法与线性时间解码的计算结构时才有边缘参考价值。
关键技术: CSS construction, Hermitian construction, quantum Reiger bound, quantum error-trapping decoder, polynomial-time burst error limit algorithm
为什么对您有用: 本文属于量子纠错编码理论，与您关注的因果推断、高维统计、效率理论及统计计算等核心方向无实质交集。您武器库中的高维渐近理论或 U-statistic 计算工具无法切入该论文的量子代数编码问题。暂不可做：核心机器（量子码代数构造与量子 Reiger 界理论）不在武器库中，且缺乏向您研究方向迁移的明确路径，不建议花时间深读。

Maintained by 陈星宇 · Homepage · Source on GitHub