本文提出了精确的多层指数集中不等式，其适用于满足 Dobrushin 条件的 Ising 模型中的多项式。此外，我们还证明了凸函数的集中性结果和非负定二次型的估计。
Sep, 2018
该研究通过现代的证明方法展示了 Hanson-Wright 不等式在亚高斯随机变量二次形式中的应用，推导出了亚高斯随机向量浓度不等式，并给出了两个示例，展示了该结果在随机向量和子空间之间的距离浓度和随机和确定矩阵的乘积范数的限制方面的应用。
Jun, 2013
本文提出了新型 Orlicz 偏差的概念 —— 广义 Bernstein-Orlicz 偏差，并基于更一般的指数类（即子 Weibull）尾巴假设，推导了一系列与高维统计分析有关的概率学不等式，进而应用于高维数据分析领域，包括 HD 协方差矩阵估计和 Lasso 估计器的收敛率分析等。
Apr, 2018
该研究证明了在亚高斯随机向量中，正半定二次型满足指数概率尾部不等式，该界限类似于向量具有独立高斯条目时的界限。
Oct, 2011
本文提出了一种通用的方法，可以证明独立随机变量的多项式的矩不等式；该方法可用于广泛的随机变量，包括高斯、布尔、指数、泊松等，并用于推导独立随机变量的多项式的一般性集中不等式；比以前开放的问题更强大，并且相比于现有方法，我们的方法的主要优势在于我们可以处理各种随机变量和之前无法处理的高次多项式和小期望的界限，但是即使对于布尔随机变量，我们也证明了它们的集中不等式引理使每个术语紧绷。
Apr, 2011
本文提出了新的鞅差分浓度不等式，研究了鞅差分在各种统计应用中的前尾重信息散布，证明了在一维情况下，序列标量超鞅差分的尾界只与 Orlicz-ψα 范数平方和有关，在多维情况下，利用 Kallenberg 和 Sztencel 提出的降维引理展示了类似的浓度尾界，适用于向量值鞅差分序列。
研究关于独立次高斯随机变量二次形式的集中性结果，当随机变量的矩满足 Bernstein 条件时，Hanson-Wright 不等式的方差项可以得到改善，所有对数凹次高斯分布都满足 Bernstein 条件。
Jan, 2019
本文研究具有子高斯范数（一种子高斯随机向量和范数有界随机向量的扩展）的随机向量的集中不等式，并证明其精度高，仅在对数因子上存在误差。
Feb, 2019
本文综述了浓度不等式在数学统计学中的应用，特别是在分布自由和依赖、亚高斯、亚指数、亚伽马和亚韦伯随机变量的最大浓度中的新结果，同时针对高维数据和线性回归提出了改进的界限。
Nov, 2020
证明具有凸集中性质常数 K 的等向随机向量 X 中的二次型满足 Hanson-Wright 不等式，对于高斯向量的均匀版可以用于恢复 Koltchinskii 和 Lounici 关于 B 值高斯变量协方差运算符的经验估计的最近浓度不等式。
Sep, 2014