研究总变差距离下的离散分布测试问题，提出可用于样本较高概率区域的属性测试的算法，包括相应参数的样本复杂度与正确性保障。

Sep, 2020

研究了对结构化分布的身份验证问题，提出了具有信息理论最优的样本复杂度的新型简单测试器，并应用于 t - 平面，t - 模态，对数凸，单调危险率（MHR）和它们的混合等广泛类别的结构化分布。

Oct, 2014

本研究利用差分隐私方法进行小样本假设检验，以得出隐私参数、准确性参数和错误要求等信息，实现在保证样本大小和错误率时的差分隐私保护

Mar, 2017

该研究提供了关于差分隐私下 k 个元素分布的标识检测和接近度检验的上下界。他们提出了一般框架以建立隐私统计任务的样本复杂度的下界，同时通过构建精心选择的先验概率来证明隐私算法的下界。

Jul, 2017

研究了分布检测的样本测试的复杂度问题，提出了两种技术方法，一种是提供样本最优测试器，另一种是提供匹配样本下界。作者解决了大量重要的测试问题并证明了样本最优性，并且得到了第一个样本最优的对应测试器。

Jan, 2016

本文研究了对于两个离散分布的近似度检测问题，给出了一些用于信息理论最优的简单测试方法，并且在 $n$ 和 $\eps$ 的依赖关系上都达到了常数因子。

Aug, 2013

考虑从一个未知分布 $p$ 取 $m_1$ 个样本，从另一个未知分布 $q$ 取 $m_2$ 个样本的情形，介绍了一种测试是否有 $p=q$ 的快速算法，并分析了测试的样本复杂度，同时提出了估计马尔科夫链混合时间的算法及其初始样本个数的选择方法。测试算法主要依靠一种表现较为优异的统计量。

Apr, 2015

在非独立同分布的样本情况下，研究子线性样本属性测试和估计在哪些情形适用；给定一组分布，考虑学习或测试平均分布的属性，在某些情况下需要 $\Theta (k/\varepsilon^2)$ 样本；对于均匀性或相似性的测试，给定 $c=1$ 个样本，需要线性数量级的 $k$ 样本；$c \geq 2$ 时，恢复了独立同分布的亚线性样本测试，需要 $O (\sqrt {k}/\varepsilon^2 + 1/\varepsilon^4)$ 样本，且在 $c=2$ 的情况下，即使是线性数量级的 $\rho k$ 样本，也不能进行均匀性测试。

Nov, 2023

研究如何通过样本来鉴别未知分布是否属于某个分布类，提出了一种可获得最优样本和计算效率的通用方法，并为分布的基本属性提供了测试方法。

Jul, 2015

本文提出了对于自然广泛应用的多元产品分布，包括在已知协方差下的 Gaussians 和值域为 {±1}^d 的产品分布的新型差分私有（适合性）测试器。这些测试器相比于之前的技术得出了样本复杂度的改进，并且是第一个样本复杂度在许多参数区域与阶优化极小值样本复杂度相匹配的测试器。我们构建了两种类型的测试器，展示了样本复杂度和计算复杂度之间的权衡。最后，我们提供了多元产品分布的子类测试和单变量分布测试之间的双向约简，并因此获得了此类产品分布测试的上下界。

May, 2019