JSAIT — Vol 2 Issue 2 · 2026-07-19¶

共 23 篇 · IEEE Journal on Selected Areas in Information Theory
目录核对 ✅ 23 篇全部抓到（对照 OpenAlex 24 篇）

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 JSAIT Vol 2 Issue 2 共 23 篇论文，整体上围绕序贯决策与假设检验、多智能体与分布式系统、以及强化学习与信息论交叉三条主线展开。序贯方法占据显著位置，涵盖非参数检验、变化检测、主动假设检验及 bandit 问题；多智能体与分布式优化则聚焦于去中心化算法、异步计算与通信约束下的 regret 分析；强化学习部分涉及策略评估、风险敏感控制与安全探索，并与信息论工具（如互信息、算法信息论）深度结合。

序贯假设检验与变化检测是本期最突出的主线，共 5 篇论文。Nonparametric Iterated-Logarithm Extensions 将经典序贯 GLR 检验推广到非参数分布类，提供了可操作的有限样本边界；Sequential Change Detection by Optimal Weighted ℓ₂ Divergence 用加权 ℓ₂ 散度构造非参数检测统计量，并刻画了 ARL 与 EDD 的理论性质；Robust Change Detection via Information Projection 针对后变化分布完全未知的鲁棒场景，提出信息投影方法并证明渐近最优性；Quickest Detection of Moving Anomalies 将变化检测扩展到传感器网络中移动异常点的序贯检测，给出了 CUSUM 型检验的精确解；Sequential (Quickest) Change Detection 综述则系统梳理了经典结果与非参数、多变化点等新方向。这组论文从不同角度推进了序贯检测的理论边界，尤其关注非参数设定下的有限样本保证与鲁棒性。

多智能体与分布式系统是另一条密集主线，涉及 bandit 与优化。One for All and All for One 研究无通信多玩家 bandit 中的公平匹配，达到近最优 regret；On No-Sensing Adversarial Multi-Player Multi-Armed Bandits 引入攻击性维度，在无碰撞感知的对抗性设定下实现渐近最优 regret；Bayesian Algorithms for Decentralized Stochastic Bandits 设计分散式 TS 与 Bayes-UCB，其 regret 上界匹配下界；Asynchronous Delayed Optimization 与 Asynchronous Decentralized Accelerated SGD 分别处理异步延迟与去中心化加速优化，前者证明延迟期望与 worker 数无关，后者给出通信复杂度与采样复杂度的理论界。这些工作共同关注通信约束、异步性与对抗性环境下的算法设计与理论保证。

强化学习与信息论交叉的论文数量较多但主题分散。On Finite-Time Convergence of Actor-Critic Algorithm 首次为在线 actor-critic 提供有限时间收敛分析；Empirical Policy Evaluation With Supergraphs 利用超图结构降低策略评估的样本复杂度；Cautious Reinforcement Learning 通过分布风险的对偶形式引入谨慎性惩罚，并给出凸/非凸风险下的样本复杂度；Curiosity Killed or Incapacitated the Cat 证明渐近最优智能体在非遍历环境中必然面临被摧毁风险，并提出 Mentee 智能体；Intelligence and Unambitiousness 用算法信息论设计无权力追求的 AGI 智能体；Belief Propagation Decoding 将 LDPC 译码调度建模为 MDP 并用 RL 优化。此外，Universal Active Learning 通过条件互信息最小化统一主动学习准则，并给出指数衰减误差界；Bandit-Based Monte Carlo Optimization 将 bandit 框架用于高维 k 近邻搜索，复杂度为 O((n+d) log²(nd/δ))。

与因果推断方向最相关的论文是 Robust Change Detection via Information Projection（信息投影框架可类比因果推断中的分布偏移检测）和 Empirical Policy Evaluation With Supergraphs（超图结构类似因果图，用于降低样本复杂度）。半参数效率方向可关注 Nonparametric Iterated-Logarithm Extensions（非参数序贯检验的有限样本边界）和 Sequential Change Detection by Optimal Weighted ℓ₂ Divergence（散度估计的最优样本复杂度）。高维方向可优先看 Bandit-Based Monte Carlo Optimization（维度依赖为对数）和 Asynchronous Delayed Optimization（延迟与维度无关的期望界）。

数理统计 / 假设检验 (hypothesis_testing, 7 篇)¶

1. 10.1109/jsait.2021.3081105 · arXiv — Nonparametric Iterated-Logarithm Extensions of the Sequential Generalized Likelihood Ratio Test¶

作者: Jaehyeok Shin, Aaditya Ramdas, Alessandro Rinaldo
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Carnegie Mellon University
分类: vol 2 · issue 2 · pp 691-704
相关性 7/10 · novelty: new_method
摘要: 本文针对单变量分布均值，发展了非参数序贯广义似然比检验（GLR）及其对应的时齐置信序列。通过GLR统计量的几何解释，推导了其超过任意预设边界的概率的简单解析上界，避免了因无限时域和复合非参数原假设而难以通过模拟近似的问题。利用时齐边界穿越不等式，对子高斯、子指数、子伽马及指数族等非参数分布类上的单侧和开放式检验的期望样本量进行了统一的非渐近分析。最后，提出了一种灵活实用的方法构建时齐置信序列，可轻松调整以在任意目标时间区间上均匀接近逐点Chernoff界。该工作将经典序贯GLR检验推广到非参数设定，并提供了可操作的有限样本边界，对您在高维统计和假设检验方向的研究有直接参考价值。
关键技术: sequential generalized likelihood ratio test, time-uniform confidence sequences, boundary-crossing inequalities, nonasymptotic analysis, Chernoff bound
为什么对您有用: 本文直接关联您对假设检验（特别是序贯方法）的兴趣，其非参数设定和有限样本边界与您在高维统计中处理复杂分布类（如子高斯族）的经验高度契合。您武器库中的非参数统计和minimax界技术可直接用于评估其边界的紧性，或将其方法扩展到高维均值向量检验。中期可做：需先在 moderately_familiar 的M估计理论上长肌肉，以处理更一般的非参数模型。

2. 10.1109/jsait.2021.3072960 · arXiv — Sequential Change Detection by Optimal Weighted ℓ₂ Divergence¶

作者: Liyan Xie, Yao Xie
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 747-761
相关性 6/10 · novelty: new_method
摘要: 本文提出一种基于加权 ℓ₂ 散度的非参数序贯变化检测统计量。首先在离线两样本检验设定下证明该统计量达到最优样本复杂度。随后将其推广至序贯检测场景，系统刻画平均运行长度 (ARL) 与期望检测延迟 (EDD) 等关键性能指标。针对高维数据，给出寻找最优投影方向与最优权重的实用算法，以解决后变化样本稀少时的快速检测难题。仿真与真实数据实验验证了方法的有效性。该工作将非参数散度估计与序贯假设检验结合，其理论分析框架（最优样本复杂度、ARL/EDD 刻画）对您在高维假设检验方向的研究有直接参考价值。
关键技术: weighted ℓ₂ divergence, sequential change detection, average run length (ARL), expected detection delay (EDD), optimal projection, nonparametric two-sample test
为什么对您有用: 本文直接关联您 primary interest 中的 'hypothesis testing' 与 'high-dimensional statistics'。其加权 ℓ₂ 散度的最优样本复杂度证明可视为 minimax 界的一个具体实例，您可以用 very_familiar 的 minimax bounds 工具检验其紧性。此外，高维最优投影算法涉及的计算问题与您 moderately_familiar 的 M-estimation 理论有交叉。中期可做：若想将序贯检测框架与您 higher-order U-statistics 的树宽/张量收缩视角结合，需先在 moderately_familiar 的 HOIF 理论上提升。

3. 10.1109/jsait.2021.3077855 — Robust Change Detection via Information Projection¶

作者: Deniz Sargun, Can Emre Koksal
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: The Ohio State University
分类: vol 2 · issue 2 · pp 774-783
相关性 5/10 · novelty: new_method
摘要: 本文研究有限字母集下后改变分布未知的鲁棒瞬态与快速变化检测问题。核心设定是：变化前观测服从已知分布，变化后分布完全未知，且变化可能以多种方式发生。作者提出基于信息投影的方法，通过检验经验分布相对于最可能的异常偏离方式来检测变化。理论贡献包括性能保证和渐近最优性（至多常数倍）。方法在四个性能指标（包括运行时间复杂度）上与FMA、GLRT和MSK方法进行了比较。实证部分应用于经济市场指标和气候数据，成功捕捉了历史性市场制度转变，并将当前气候变化识别为高可能的制度转变而非随机事件。对您而言，该文将变化检测转化为假设检验问题，其信息投影框架与您在高维统计和假设检验方面的兴趣直接相关，且实证部分涉及经济与气候数据，与您的次要兴趣（经济理论、流行病学）有连接。
关键技术: information projection, empirical distribution testing, robust quickest change detection, finite alphabet, asymptotic optimality
为什么对您有用: 本文连接您的主要兴趣——假设检验（hypothesis testing）和高维统计，其信息投影方法可视为一种非参数检验策略。从技术武器库看，您可以用非常熟悉的非参数统计和minimax界工具来评估其渐近最优性声称是否紧，或探索将其推广到连续分布/高维设定。中期可做：若想将方法扩展到连续观测空间，需先在moderately_familiar的M估计理论或半参数理论上长肌肉。

4. 10.1109/jsait.2021.3076043 · arXiv — Quickest Detection of Moving Anomalies in Sensor Networks¶

作者: Georgios Rovatsos, George V. Moustakides, Venugopal V. Veeravalli
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 762-773
相关性 4/10 · novelty: new_method
摘要: 该论文研究传感器网络中移动异常点的序贯检测问题。设定每个传感器有已知的前后分布，异常在未知确定时刻出现并随时间影响不同传感器子集。目标是在控制虚警率的前提下最小化检测延迟。作者提出一种修改的Lorden检测延迟定义，以考虑最坏情况下的异常轨迹。对于同质传感器，证明累积和（CUSUM）型检验可精确求解该序贯检测问题。对于异质传感器，提出一种一阶渐近最优的修正算法。该工作将经典quickest change detection框架扩展到移动异常场景，对您可能有用：它连接了假设检验中的序贯检测理论，属于您primary interest中的数学统计与假设检验方向。
关键技术: CUSUM test, quickest change detection, Lorden's detection delay, asymptotic optimality, sequential analysis
为什么对您有用: 该论文直接关联您primary interest中的假设检验（序贯检测）方向，属于数学统计的核心子领域。您的技术武器库中'nonparametric statistics'和'high-dimensional asymptotics'可用于分析其检测延迟的minimax性质或扩展到非参数设定。中期可做：需先在'moderately_familiar'的M-estimation理论上长肌肉，以处理异质传感器下的更一般模型。

5. 10.1109/jsait.2021.3072962 · arXiv — Sequential (Quickest) Change Detection: Classical Results and New Directions¶

作者: Liyan Xie, Shaofeng Zou, Yao Xie, Venugopal V. Veeravalli
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Georgia Institute of Technology · University at Buffalo, State University of New York · University of Illinois Urbana-Champaign
分类: vol 2 · issue 2 · pp 494-514
相关性 4/10 · novelty: survey
摘要: 本文是一篇关于序贯（最快）变化检测的综述，系统回顾了该领域的经典结果与最新发展方向。首先介绍了序贯变化检测的基本问题设定，包括在给定误报率约束下最小化检测延迟的优化框架，以及CUSUM、Shiryaev-Roberts等经典检测统计量及其最优性理论。随后讨论了多假设、多变化点、非参数设定等推广情形，以及变化检测与机器学习、信息论、网络科学等交叉领域的新问题。文章还列举了在网络安全、医疗监测、工业过程控制等领域的现代应用，并指出了若干开放问题。对您而言，该综述提供了序贯假设检验这一与您主要兴趣（假设检验）直接相关的系统性入门材料，其中非参数变化检测方法可能涉及您熟悉的经验过程工具，而多变化点设定下的计算复杂度问题则与您对统计-计算权衡的兴趣有潜在连接。
关键技术: CUSUM, Shiryaev-Roberts procedure, sequential hypothesis testing, quickest change detection, nonparametric change detection
为什么对您有用: 本文直接对应您主要兴趣中的'假设检验'子方向，是序贯变化检测领域的权威综述。您熟悉的非参数统计和minimax界工具可用于理解文中非参数变化检测方法的最优性，而多变化点设定下的计算复杂度问题可作为您统计-计算权衡兴趣的入门阅读。由于本文是综述而非原创方法，属于gateway-reading范畴，武器库中的非参数统计和minimax界足以支撑您快速进入该领域，属于立即可做的阅读。

6. 10.1109/jsait.2021.3081525 · arXiv — Quantile Multi-Armed Bandits: Optimal Best-Arm Identification and a Differentially Private Scheme¶

作者: Konstantinos E. Nikolakakis, Dionysios S. Kalogerias, Or Sheffet, Anand D. Sarwate
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 534-548
相关性 3/10 · novelty: new_method
摘要: 该论文研究多臂老虎机中的最佳臂识别问题，目标是在固定分位数水平下找出分位数最高的臂。首先提出一种逐次淘汰算法用于严格最优最佳臂识别，证明其为δ-PAC并刻画样本复杂度；同时给出期望拉动次数的下界，表明该算法在log因子意义下本质最优。上下界依赖于为分位数老虎机问题专门设计的次优性间隙定义——当间隙趋近零时，最佳臂识别不可能。其次，针对奖励为隐私信息的应用场景，提出差分隐私逐次淘汰算法，其样本复杂度对无限支撑分布仍有限，且无需预知次优性间隙或其它统计信息。该工作将经典最佳臂识别从均值推广到分位数，并首次引入隐私保护机制。
关键技术: successive elimination, δ-PAC, quantile suboptimality gap, differential privacy, sample complexity lower bound
为什么对您有用: 该论文连接您的假设检验兴趣（最佳臂识别本质是多重假设检验问题），其分位数设定与您在高维统计中处理厚尾分布的经验相关。武器库中'非参数统计'和'高维渐近理论'可直接用于分析分位数估计的收敛性；'minimax界'可用于验证其声称的样本复杂度下界是否紧。中期可做：将差分隐私机制与您的HOIF工具结合，探索隐私约束下分位数推断的效率损失。

7. 10.1109/jsait.2021.3074156 · arXiv — Evasive Active Hypothesis Testing¶

作者: Meng-Che Chang, Matthieu R. Bloch
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 735-746
相关性 1/10 · novelty: new_theory
摘要: 本文研究在存在窃听者（adversary）的情况下，决策者通过序贯自适应感知动作收集数据以估计有限取值未知参数的问题。该设定可视为对反馈系统中控制动作固有信息泄露的抽象建模，例如网络物理系统。具体地，作者提出了一个“规避性主动假设检验”（evasive active hypothesis testing）问题，其目标是决策者在控制自身检验风险的同时，最小化窃听者的检测能力，后者由决策者与窃听者之间的渐近误差指数比率衡量。方法上，作者推导了该指数比率的上下界，揭示了决策者可以采取的最优策略以规避窃听者的检测。数值示例（无线传输检测）验证了理论结果。该工作将经典主动假设检验与信息论安全结合，为统计推断中的隐私-效用权衡提供了新视角。
关键技术: active hypothesis testing, sequential adaptive sensing, asymptotic error exponent, information leakage, adversarial detection
为什么对您有用: 本文直接关联您对假设检验的兴趣，特别是序贯决策与信息论安全交叉的前沿。您武器库中‘非参数统计’和‘高维渐近理论’可用于分析其指数比率的紧性，但核心的信息论安全框架（如窃听信道模型）是您当前武器库中‘moderately_familiar’之外的领域，属于暂不可做——需先补充信息论安全的基础知识（如wiretap channel、secrecy capacity）才能深入。不过，作为gateway reading，本文清晰阐述了问题设定和渐近性能度量，值得一读以拓展假设检验的应用视野。

统计计算 / 算法 (stat_computing, 3 篇)¶

1. 10.1109/jsait.2021.3076447 · arXiv — Bandit-Based Monte Carlo Optimization for Nearest Neighbors¶

作者: Vivek Bagaria, Tavor Z. Baharav, Govinda M. Kamath, David N. Tse
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 599-610
相关性 3/10 · novelty: new_method
摘要: 本文提出一种将优化问题转化为统计估计问题的通用框架——Bandit-Based Monte Carlo Optimization (BBMCO)，并应用于高维k近邻搜索。核心思想是用多臂老虎机自适应地分配采样预算，以最小化估计昂贵目标函数所需的计算量。针对k近邻问题，算法在正则性假设下能以高概率识别精确近邻，复杂度为O((n+d) log²(nd/δ))，显著优于精确计算的O(nd)。理论分析结合了bandit的遗憾界与近邻几何性质，证明了对数维度依赖。数值实验在真实数据集上优于kGraph、NGT、LSH等现有算法。该工作展示了统计计算中“计算-统计权衡”的经典思路：用统计估计的代价换取计算效率，对您正在关注的统计计算权衡方向有直接参考价值。
关键技术: multi-armed bandits, Monte Carlo optimization, adaptive sampling, k-nearest neighbors, computational-statistical tradeoff
为什么对您有用: 本文直接对应您primary interest中的'statistical-computational tradeoff'子方向，且属于gateway-reading范畴：它清晰阐述了统计模型（k近邻的几何假设）、计算模型（bandit采样预算）以及多项式时间可能性（对数复杂度），符合(a)(b)(c)三条可读性标准。您的武器库中'minimax bounds for estimation problems'和'high-dimensional asymptotics'可直接用于分析其复杂度上界是否紧，属于立即可做的follow-up。此外，该框架将优化问题转化为bandit估计，与您熟悉的'higher-order U-statistics'的einsum复杂度分析有潜在联系——两者都涉及自适应分配计算资源以降低总成本。

2. 10.1109/jsait.2021.3079856 — Asynchronous Delayed Optimization With Time-Varying Minibatches¶

作者: Haider Al-Lawati, Tharindu B. Adikari, Stark C. Draper
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of Toronto
分类: vol 2 · issue 2 · pp 784-801
相关性 2/10 · novelty: new_theory
摘要: 本文研究分布式优化中异步延迟与变大小批量的理论性质。在master-worker架构下，传统方法给每个worker分配固定大小的数据批量，但worker处理时间各异；本文采用固定时间窗口策略，每个worker在固定时间内处理尽可能多的数据，导致批量大小随时间变化。作者首先建立了异步优化系统模型，推导了期望批量大小的表达式。关键理论贡献是：证明在固定时间异步方法下，梯度延迟的期望与worker数量无关，这与现有异步方案不同。对于凸光滑目标函数，证明了该方法能达到最优regret和最优性间隙界。实验在CIFAR-10和ImageNet上验证了固定时间方法优于固定批量方法。对您而言，本文的异步优化理论（延迟分析、收敛界）与您的统计计算兴趣直接相关，特别是其系统模型和收敛性证明技巧可迁移到您熟悉的分布式计算场景。
关键技术: asynchronous optimization, time-varying minibatches, gradient staleness analysis, regret bounds for convex optimization, distributed master-worker architecture
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)'。其核心贡献——异步优化中梯度延迟与worker数量无关的证明——是一个干净的理论结果，您可以用非常熟悉的'high-dimensional asymptotics'和'minimax bounds for estimation problems'工具来验证或扩展其收敛界。中期可做：若想将本文的异步框架与您更熟悉的因果推断中的stochastic optimization结合，需先在'moderately_familiar'的'M-estimation theory'上提升，以处理非凸目标函数。

3. 10.1109/jsait.2021.3080256 · arXiv — Asynchronous Decentralized Accelerated Stochastic Gradient Descent¶

作者: Guanghui Lan, Yi Zhou
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Georgia Institute of Technology · IBM Research - Almaden
分类: vol 2 · issue 2 · pp 802-811
相关性 2/10 · novelty: new_method
摘要: 本文针对去中心化随机优化中的通信与同步瓶颈，提出了一种异步去中心化加速随机梯度下降算法。该算法通过随机化减少每轮更新中参与的智能体数量，从而降低通信成本。算法适用于一般凸复合问题，并建立了通信复杂度与采样复杂度的理论界：对于一般凸问题，通信复杂度为 O(1/ε)，采样复杂度为 O(1/ε²)；对于强凸问题，通信复杂度为 O(1/√ε)，采样复杂度为 O(1/ε)。值得注意的优点是，若目标函数包含光滑分量，算法对 Lipschitz 常数的依赖仅为次线性。初步数值实验表明，该算法优于现有的同步去中心化算法。对您而言，本文属于统计计算中分布式优化算法设计的前沿工作，其异步与随机化思想可启发您在高维统计或因果推断中大规模计算问题的算法设计。
关键技术: asynchronous decentralized optimization, accelerated stochastic gradient descent, randomized communication, composite convex optimization, communication complexity
为什么对您有用: 本文属于统计计算（stat_computing）中分布式优化算法设计的前沿工作，直接对应您的 primary interest 中的“statistical computing (numerical methods, algorithm)”。您武器库中的“software development”和“high-dimensional asymptotics”可用于分析此类算法的收敛性与复杂度。本文的异步与随机化思想可启发您在高维统计或因果推断中大规模计算问题的算法设计。中期可做：需先在 moderately_familiar 的“M-estimation theory”上长肌肉，以理解其收敛性证明的统计视角。

其他 (other, 13 篇)¶

1. 10.1109/jsait.2021.3078754 — On Finite-Time Convergence of Actor-Critic Algorithm¶

作者: Shuang Qiu, Zhuoran Yang, Jieping Ye, Zhaoran Wang
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of Michigan · Princeton University · Northwestern University
分类: vol 2 · issue 2 · pp 652-664
相关性 3/10 · novelty: new_theory
摘要: 本文研究在线 actor-critic 算法在无限时域平均奖励设定下的有限时间收敛性。核心挑战包括策略参数化的非凸性、actor 与 critic 更新的耦合，以及在线数据采样的依赖性。在 critic 步骤中，作者对依赖数据下的 TD(0) 算法进行了理论分析，证明了其收敛性。在 actor 步骤中，证明了 actor 迭代序列以次线性速率收敛到驻点，但存在由线性函数近似价值函数引起的不可消除偏差。这是首个为在线 actor-critic 算法（含 TD 学习）提供有限时间收敛分析的工作。该工作主要属于强化学习理论，与您的主要兴趣（因果推断、高维统计等）和方法库（非参数统计、U-统计量等）的直接关联较弱。
关键技术: actor-critic algorithm, TD(0) learning, finite-time convergence, nonconvex optimization, dependent data sampling
为什么对您有用: 本文属于强化学习理论，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）和方法库（非参数统计、minimax 界、einsum 等）的直接关联较弱。虽然 actor-critic 与因果推断中的某些序贯决策问题有概念联系，但本文的技术工具（如 TD 学习、非凸优化）并非您当前武器库的核心。暂不可做：核心机器（强化学习理论、依赖数据下的随机逼近）不在武器库中。

2. 10.1109/jsait.2021.3082028 · arXiv — Best-Arm Identification in Correlated Multi-Armed Bandits¶

作者: Samarth Gupta, Gauri Joshi, Osman Yagan
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 549-563
相关性 3/10 · novelty: new_method
摘要: 本文研究固定置信度下多臂老虎机的最佳臂识别问题，目标是以至少 1-δ 的概率找出均值最高的臂，并最小化所需样本量。现有算法通常假设各臂奖励独立，本文提出相关臂框架，利用臂间相关性的领域知识（以给定另一臂奖励实现时某臂期望条件奖励的上界形式给出）来降低样本复杂度。算法 C-LUCB 推广了 LUCB 算法，利用部分相关性知识，将样本复杂度从独立情形下的 O(∑{k∈K} log(1/δ)) 降至 O(∑{k∈C} log(1/δ))，其中 C 是竞争臂集合（大小可小至 2）。理论结果在 MovieLens 和 Goodreads 推荐数据集上得到实验验证。本文属于 bandit 领域的算法设计，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接技术重叠，但相关性建模的思路对您可能有一定启发。
关键技术: best-arm identification, fixed-confidence setting, correlated bandits, LUCB algorithm, sample complexity reduction
为什么对您有用: 本文属于 bandit 领域的算法设计，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接技术重叠。相关性建模的思路虽有一定启发，但核心机器（bandit 算法、置信区间构造）不在您的武器库中，且问题设定与您的统计推断方向差异较大。暂不可做——缺少 bandit 领域的背景和工具。

3. 10.1109/jsait.2021.3073257 · arXiv — Empirical Policy Evaluation With Supergraphs¶

作者: Daniel Vial, Vijay Subramanian
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 641-651
相关性 2/10 · novelty: new_method
摘要: 本文研究强化学习中的策略评估问题，假设可以访问模拟器以及称为“超图”的辅助信息。核心目标是利用超图结构，从高成本状态向后探索以定位高价值状态，从而降低样本复杂度。与传统的从所有状态向前探索的方法不同，作者提出了两种算法：一种基于重要性采样，另一种基于时序差分学习。理论分析表明，在超图结构良好的情况下，平均样本复杂度可以从标准的 O(S log S) 降低到 O(log S)。分析中借鉴了网络科学中的工具（如超图上的随机游走混合时间），为强化学习问题提供了新的方法论。实验验证了理论结果。对您而言，本文的“超图”结构类似于因果推断中的图结构假设，其利用图信息降低样本复杂度的思路可能对您在高维或因果推断中的效率分析有启发。
关键技术: supergraph, backward exploration, importance sampling, temporal difference learning, sample complexity analysis, random walk mixing time
为什么对您有用: 本文属于强化学习领域，与您的主要兴趣（因果推断、高维统计）无直接重叠，但超图结构下的样本复杂度分析思路可迁移至因果推断中的图结构假设（如DAG）下的效率分析。您的武器库中“非参数统计”和“高维渐近理论”可用于理解其样本复杂度界的紧性，但核心算法（重要性采样、TD学习）并非您熟悉的工具，属于“暂不可做”范畴，需先补充强化学习基础知识。

4. 10.1109/jsait.2021.3081108 · arXiv — Cautious Reinforcement Learning via Distributional Risk in the Dual Domain¶

作者: Junyu Zhang, Amrit Singh Bedi, Mengdi Wang, Alec Koppel
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of Minnesota System · DEVCOM Army Research Laboratory · Princeton University
分类: vol 2 · issue 2 · pp 611-626
相关性 2/10 · novelty: new_method
摘要: 本文研究风险敏感强化学习（RL）中策略的估计问题，针对状态和动作空间有限且可数的马尔可夫决策过程（MDP）。传统风险敏感MDP因时间不一致性而难以通过Bellman方程高效求解。作者提出一种新的风险定义——'谨慎性'（caution），将其作为惩罚项添加到表格RL线性规划（LP）对偶形式中。谨慎性量化了策略的分布风险，是策略长期状态占用测度的凸函数。对于凸风险，提出基于KL散度近端项的随机原始-对偶在线无模型方法，并证明样本复杂度与状态-动作空间基数及风险测度梯度的无穷范数相关。对于非凸风险，采用块坐标扩展方法并证明收敛到KKT点。实验表明，该方法在凸（KL散度）和非凸（方差）风险下均能提升奖励累积的可靠性，且计算开销与风险中性LP求解器相当。
关键技术: primal-dual method, KL divergence proximal term, linear programming formulation of RL, distributional risk, block-coordinate descent
为什么对您有用: 本文属于RL方法学，与您的主要兴趣（因果推断、高维统计等）无直接交集，但其中对偶域风险定义和样本复杂度分析（依赖梯度无穷范数）可能对您在高维统计或统计计算中的优化问题有启发。作为gateway-reading，本文对RL外行较友好，清晰阐述了模型和算法，但核心问题（风险敏感策略的样本效率）与您的武器库（非参数统计、minimax界）关联较弱，暂不可做。

5. 10.1109/jsait.2021.3073065 — One for All and All for One: Distributed Learning of Fair Allocations With Multi-Player Bandits¶

作者: Ilai Bistritz, Tavor Z. Baharav, Amir Leshem, Nicholas Bambos
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Stanford University · Bar-Ilan University
分类: vol 2 · issue 2 · pp 584-598
相关性 2/10 · novelty: new_method
摘要: 本文研究多玩家多臂老虎机（multi-player bandits）中的分布式公平匹配问题。设定为 N 个合作但不通信的玩家，每个玩家在 T 轮中从 M 个臂中选择一个，玩家对臂的效用矩阵未知且各不相同。每轮中，若多个玩家选择同一臂，则所有冲突玩家该轮效用为零。目标是在无通信条件下学习公平的玩家-臂匹配，同时最小化累积遗憾。第一个算法学习最大最小公平（max-min fairness）匹配，达到近 O(log T) 遗憾（含 log log T 因子）。第二个算法在已知目标服务质量（QoS）且存在可行匹配时，达到常数遗憾 O(1)。核心机制是利用分布式协调与探索-利用平衡，避免冲突并收敛到公平分配。该问题属于多智能体强化学习与在线学习的交叉领域，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接方法学关联。
关键技术: multi-player bandits, distributed learning, max-min fairness, regret minimization, collision avoidance
为什么对您有用: 本文属于多智能体在线学习，与您的主要兴趣方向（因果推断、高维统计、U-统计量）无直接方法学连接。武器库中的非参数统计或高维渐近工具无法直接应用于其分布式协调与遗憾分析框架。暂不可做——核心机器（多智能体强化学习、分布式在线学习理论）不在武器库中。

6. 10.1109/jsait.2021.3076027 · arXiv — On No-Sensing Adversarial Multi-Player Multi-Armed Bandits With Collision Communications¶

作者: Chengshuai Shi, Cong Shen
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of Virginia
分类: vol 2 · issue 2 · pp 515-533
相关性 2/10 · novelty: new_method
摘要: 本文研究无感知对抗性多玩家多臂老虎机（MP-MAB）问题，其中玩家无法直接观测到碰撞信息，且对手可自适应选择攻击策略。作者引入了一个新的难度维度——攻击性（attackability），将所有对手按此分类，并提出A2C2算法族，利用强制碰撞通信在玩家间传递信息。在已知攻击性的设定下，利用Z信道模型和纠错编码理论实现隐式通信；在未知攻击性的更困难设定中，提出基于新颖检错重复码和随机同步通信的攻击性估计方法。理论分析证明，无论是否已知攻击性，均可实现渐近攻击性依赖的次线性遗憾，且遗憾对玩家数量无指数依赖。该结果揭示了多玩家老虎机问题中两个难度维度（玩家数与攻击性）之间的基本权衡。
关键技术: adversarial multi-player multi-armed bandits, collision communication, Z-channel model, error-correction coding, repetition code
为什么对您有用: 本文属于多智能体强化学习与信息论交叉领域，与您的主要兴趣（因果推断、高维统计、U统计量）无直接技术重叠。武器库中的非参数统计、最小最大界等工具难以直接攻入该问题的对抗性设定和通信编码核心。作为gateway reading，本文对统计计算领域的外行读者不够友好——需要熟悉bandit文献和编码理论才能理解技术细节。暂不可做，核心机器（对抗性bandit分析、编码理论）不在武器库中。

7. 10.1109/jsait.2021.3081433 · arXiv — Active Learning for Classification With Abstention¶

作者: Shubhanshu Shekhar, Mohammad Ghavamzadeh, Tara Javidi
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of California San Diego · Institut national de recherche en sciences et technologies du numérique
分类: vol 2 · issue 2 · pp 705-719
相关性 2/10 · novelty: new_method
摘要: 本文研究带弃权选项的二元分类问题中的主动学习算法。在固定成本设定下，每次弃权产生固定代价 λ∈(0,1/2)。算法支持三种主流主动学习查询模型：成员查询、池式查询和流式查询。作者推导了算法超额风险的高概率上界，并通过匹配的下界（忽略多对数因子）证明了其极小极大近优性。算法依赖回归函数的平滑参数，为此进一步提出一种在额外“质量”假设下自适应未知平滑参数的数据驱动策略，该策略能达到与已知平滑参数时相同的超额风险性能。最后讨论了结果向有界弃权率设定的扩展。本文属于主动学习与分类弃权的交叉，与您的主要兴趣（因果推断、高维统计等）无直接方法学连接，但主动学习中的查询策略设计对统计计算中的算法效率问题有一定启发。
关键技术: active learning, classification with abstention, minimax optimality, membership query, pool-based sampling, stream-based sampling
为什么对您有用: 本文属于主动学习与分类弃权的交叉，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接方法学连接。武器库中'软件发展'项可借鉴其算法实现思路，但核心问题（查询策略与弃权成本权衡）不在当前技术栈内，属于暂不可做方向。若您未来关注统计计算中的自适应采样策略，可作为入门阅读。

8. 10.1109/jsait.2021.3080661 · arXiv — Bayesian Algorithms for Decentralized Stochastic Bandits¶

作者: Anusha Lalitha, Andrea Goldsmith
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 564-583
相关性 2/10 · novelty: new_method
摘要: 本文研究分散式多智能体多臂老虎机问题，其中K个臂的奖励分布对所有N个智能体相同，智能体通过网络交换至多poly(K)个实值消息。目标是最小化平均每智能体的累积遗憾。现有下界表明合作可将遗憾降低至孤立学习的1/N。作者提出一种消息传递框架，可与贝叶斯MAB算法结合，并具体设计了分散式汤普森采样（TS）和分散式Bayes-UCB算法。对于有界奖励，建立了依赖问题参数和网络拓扑的平均每智能体遗憾上界；对于伯努利奖励，该上界渐近匹配下界。实验显示分散式TS显著优于先前算法，且可通过变分推断扩展到后验无闭式解的复杂奖励分布。该工作主要贡献在算法设计和理论保证，但核心问题（多智能体bandit）与您的主要兴趣方向（因果推断、高维统计、U统计量等）无直接技术交集。
关键技术: decentralized Thompson sampling, message-passing algorithm, Bayes-UCB, gossip protocol, variational inference
为什么对您有用: 本文属于多智能体强化学习/bandit领域，与您的主要兴趣（因果推断、高维统计、U统计量等）无直接技术连接。武器库中无bandit或分布式优化的核心工具，且问题设定（合作式遗憾最小化）不涉及您熟悉的非参数统计、minimax界或因果识别。作为gateway reading价值低，因为不涉及统计-计算权衡或您感兴趣的特定方法学。暂不可做。

9. 10.1109/jsait.2021.3073842 — Universal Active Learning via Conditional Mutual Information Minimization¶

作者: Shachar Shayovitz, Meir Feder
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Tel Aviv University
分类: vol 2 · issue 2 · pp 720-734
相关性 2/10 · novelty: new_method
摘要: 本文提出了一种基于信息论的新型主动学习准则，旨在统一现有的启发式方法。首先，将主动学习问题形式化为最小最大对数损失遗憾（minimax log-loss regret）框架，并推导了主动学习的冗余容量定理（Redundancy Capacity theorem）及最优学习器。该准则自然引入了特征选择中的探索-利用权衡，并推广了之前常用的信息论主动学习准则（如互信息最大化、熵减小等）。针对线性超平面假设类和非对称标签噪声，作者提出了一种基于后向匹配（Posterior Matching）的低复杂度贪心算法，并证明了在一般标签噪声和有界特征分布下，该准则的误差呈指数衰减。实验部分与多种基线方法进行了比较。
关键技术: minimax log-loss regret, Redundancy Capacity theorem, Posterior Matching, greedy algorithm, exploration-exploitation trade-off
为什么对您有用: 本文属于信息论与主动学习的交叉，与您的主要兴趣（因果推断、高维统计、U-统计量）无直接技术重叠。作为gateway阅读，它提供了一个清晰的信息论视角来理解主动学习中的探索-利用权衡，但核心机器（后向匹配、冗余容量定理）不在您的武器库中，且问题设定（主动学习中的特征选择）与您的统计推断兴趣距离较远。暂不可做，因为缺乏直接的方法学连接。

10. 10.1109/jsait.2021.3073844 · arXiv — Intelligence and Unambitiousness Using Algorithmic Information Theory¶

作者: Michael K. Cohen, Badri Vellambi, Marcus Hutter
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp 678-690
相关性 1/10 · novelty: new_method
摘要: 本文在算法信息论框架下研究通用人工智能（AGI）的安全性问题。作者指出，基于强化学习（RL）的通用智能体（如Hutter的AIXI）存在追求“任意权力”的危险激励，即为了干预自身奖励的获取而试图控制外部世界。为解决这一问题，作者提出一种名为“unambitious”的变体，利用信息论探索调度和因果影响理论的思想，使智能体学会不追求权力。理论分析表明，该智能体在依赖人类导师的同时，能获得至少与导师相当的奖励，且依赖概率随时间递减。在形式假设下，智能体的世界模型最终会纳入“干预外部世界不影响奖励获取”这一事实，从而消除塑造外部世界的动机。本文属于理论计算机科学与AI安全交叉领域，与统计推断无直接方法学关联。
关键技术: Algorithmic Information Theory, Reinforcement Learning, AIXI, causal influence theory, exploration schedule
为什么对您有用: 本文主题为AGI安全与算法信息论，与您的主要兴趣（因果推断、高维统计、半参理论等）无直接方法学重叠。作为gateway reading，本文对统计学家而言入门门槛较高（需理解AIXI和强化学习框架），且未涉及您武器库中的具体工具（如U-statistics、minimax界、半参效率理论）。暂不可做：核心机器（算法信息论、RL安全）不在您的武器库中，且无明确统计推断问题可迁移。

11. 10.1109/jsait.2021.3073834 — Belief Propagation Decoding of Short Graph-Based Channel Codes via Reinforcement Learning¶

作者: Salman Habib, Allison Beemer, Jorg Kliewer
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: New Jersey Institute of Technology · University of Wisconsin–Eau Claire
分类: vol 2 · issue 2 · pp 627-640
相关性 1/10 · novelty: application
摘要: 本文研究短稀疏图信道码（如LDPC码）的译码问题，将节点级顺序调度建模为马尔可夫决策过程（MDP），通过强化学习（RL）优化校验节点（CN）调度策略，以提升译码性能。传统LDPC译码采用洪水调度（所有节点同时更新），而本文的RL智能体在每个步骤选择下一个要调度的CN，并观察关联奖励，从而发现最优调度策略。为降低RL复杂度，提出图诱导的CN聚类方法划分MDP状态空间，最小化簇间依赖。实验表明，部分RL方案不仅改善译码性能，且在学习策略后显著降低译码复杂度。通过外接汉明码与内LDPC码的级联，进一步展示了性能提升。
关键技术: Belief propagation, Markov decision process, Reinforcement learning, LDPC codes, Graph-induced clustering
为什么对您有用: 本文属于通信编码领域，与您的主要研究兴趣（因果推断、高维统计等）无直接关联。作为gateway reading，它未涉及统计计算权衡或您熟悉的统计工具，且缺乏对数据/模型结构的清晰阐述，不适合作为入门读物。建议跳过。

12. 10.1109/jsait.2021.3079722 · arXiv — Curiosity Killed or Incapacitated the Cat and the Asymptotically Optimal Agent¶

作者: Michael K. Cohen, Elliot Catt, Marcus Hutter
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of Oxford · Science Oxford · Australian National University
分类: vol 2 · issue 2 · pp 665-677
相关性 1/10 · novelty: new_method
摘要: 本文研究强化学习中的探索与安全权衡问题。在非遍历环境中，若智能体保证渐近最优性，则可能以概率1被摧毁或丧失能力。作者证明，在随机可计算环境下，渐近最优智能体必然面临此风险。现有工作常依赖遍历性假设回避该问题，但该假设可能误导安全探索策略的设计。为此，作者提出Mentee智能体，其探索概率取决于预期信息增益，而非盲目探索。Mentee仅承诺接近导师的表现，而非渐近最优。在简单非遍历环境中，Mentee优于现有渐近最优智能体及其导师。本文属于强化学习理论，与您的统计推断兴趣无直接关联。
关键技术: reinforcement learning, asymptotic optimality, exploration-exploitation trade-off, non-ergodic environments, information gain
为什么对您有用: 本文主题为强化学习理论，与您的因果推断、高维统计等主要兴趣无直接交集。武器库中的非参数统计、U-统计量等工具无法直接应用于此。作为gateway-reading，本文对统计学家而言入门门槛较高，需熟悉RL框架。暂不可做，核心机器（RL理论、遍历性分析）不在武器库中。

13. 10.1109/jsait.2021.3085461 — IEEE Journal on Special Areas in Information Theory information for authors¶

作者:
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 2 · issue 2 · pp C3-C3
相关性 0/10 · novelty: minor
摘要: 本文是 IEEE 信息论领域期刊 JSAIT 的作者须知，介绍了期刊的定位、投稿范围与格式要求。期刊涵盖信息论与机器学习、统计学、基因组学、神经科学、理论计算机科学、物理学等交叉领域，重点关注熵、压缩、编码、互信息、散度、容量、率失真理论等基础概念。文章本身不包含任何技术贡献或研究结果。对您而言，这是一篇纯粹的出版指南，无方法学或应用价值。
为什么对您有用: 本文为期刊投稿指南，无技术内容，不涉及任何研究兴趣方向。无需阅读。

Maintained by 陈星宇 · Homepage · Source on GitHub