- 有条件有效的概率拟合预测
我们开发了一种新方法来创建预测集，它结合了符合性方法的灵活性和条件分布 P（Y | X）的估计。我们的方法扩展了现有方法，实现了条件覆盖，这对许多实际应用至关重要。我们提供了非渐近界限，明确依赖于对条件分布的可用估计的质量，使得我们的置信集 - 无模型预测及不确定性评估
利用深度神经网络学习目标函数的深度非参数回归近年来成为研究的焦点，尽管在理解收敛速度方面取得了相当的进展，但缺乏渐近性质阻碍了严格的统计推断。为填补这一空白，我们提出了一种新的框架，将深度估计范式转化为一种有利于条件均值估计的平台，利用条件 - 大型语言模型能否将 2 和 2 相加？探测蕴含的数学关系
大型语言模型在知识获取和统计推理方面取得了稳定进展，但在常识推理任务中仍存在局限性，纯统计学习难以应对其中的组合爆炸问题，更大并不总是更好，而且单纯追求统计改进只会加重正确答案与真正推理能力之间的危险混淆。
- 差分隐私联邦学习：服务器可信度、估计和统计推理
该研究论文探讨了分布式环境下维护隐私的差分隐私联邦学习的关键挑战，研究了在差分隐私约束下高维度估计和推断的困难，并提出了针对线性回归模型的新颖联邦估计算法和统计推断的方法。广泛的模拟实验支持了理论上的进展，强调了该方法的有效性和可靠性。
- 神经方法实现参数摊销推理
基于模拟的方法对于统计推断发展迅速，过去 50 年随着技术进步，如今它又迎来一次革命，利用神经网络、优化库和图形处理器进行学习数据和推断目标之间复杂映射，从而快速实现推断。本文回顾了最近在点估计、近似贝叶斯推断、自动构建摘要统计以及似然函数 - 统计推断的最优通用量子编码
利用量子计算，研究经典数据在统计推断中的最佳编码。寻找一种适用于各种统计推断任务的优化编码器。通过量子编码，实证任何统计推断的准确性都被一个与量子编码中的经典数据最大泄漏成比例的项上界所限制，这表明最大量子泄漏是统计推断编码策略质量的普适度 - 学习高斯单指标模型的计算复杂性
单指标模型是高维回归问题，根据未知的一维投影通过非线性、潜在非确定性的变换，标签与输入相关，涵盖了广泛的统计推断任务，提供了在高维领域研究统计和计算权衡的丰富模版。我们证明了在统计查询（SQ）和低次多项式（LDP）框架内计算高效算法所需的样 - 基于三重 / 无偏 Lasso 的条件平均处理效应的统计推断
研究调查了特定个体因果效应的度量 —— 条件平均处理效应（CATE）的估计和统计推断方法，使用线性模型定义 CATE 为这些线性模型的预期结果之间的差异，并通过高维线性回归方法进行一致性估计和统计推断，进一步使用双重 / 无偏机器学习（DM - 主动统计推理
活跃推理是一种与机器学习辅助数据收集相结合的统计推理方法，它通过在有限的标签收集预算下，利用机器学习模型识别哪些数据点最有利于标记，从而有效地利用资源。
- 解释机器学习性能差异的分层分解
解释机器学习算法在不同领域表现差异的新的非参数分层框架，提供了聚合和详细分解的方法，不需要因果知识，同时导出了消除偏差、计算高效的估算器和统计推断程序，以获得渐近有效的置信区间。
- 言语 - 歌曲错觉的理性分析
语音到歌曲的幻觉是一种稳定的心理现象，即重复的口语句子听起来越来越像音乐。本文提供了一个形式化的解释，将其重新定义为一种统计推理，在这种推理中，一个理性的主体试图决定一系列话语更有可能是以歌曲还是口语的形式产生的。通过分析歌曲和口语的语料库 - 有限记忆下的统计推断：一项调查
本文综述了在统计推断中存在的内存限制对性能的影响，包括假设检验、参数估计和分布特性检验 / 估计等几个典型问题，总结了该领域内的主要研究成果，并提取了一些算法构建的基本模块和推导下限的有用技术。
- MM基于模拟推理的孤立脉冲星种群合成
我们结合脉冲星种群合成和基于模拟的推断方法，对孤立银河射电脉冲星的磁转特性进行约束。
- AAAIMarkovian LSA 和统计推论中的恒定步幅的有效性
本研究通过线性随机逼近（LSA）算法与马尔可夫数据研究了使用恒定步长进行统计推断的有效性。通过建立中心极限定理（CLT），我们提出了一种使用平均 LSA 迭代构建置信区间（CIs）的推断过程。我们的方法利用恒定步长 LSA 的快速混合特性进 - 基于数据自适应的假设简化和预测后推理
这项研究介绍了一种无假设和数据自适应的后预测推断（POP-Inf）过程，能够基于机器学习预测的结果进行有效和有力的推断，并展示了其优越性和适用性通过模拟和大规模基因组数据。
- CAD-DA: 统计推理下的领域适应后可控异常检测
我们提出了一种新颖的统计方法，用于在域适应（DA）下测试异常检测（AD）的结果，称为 CAD-DA -- 在 DA 下可控制的 AD。CAD-DA 的独特优势在于其能够控制在预先指定的水平 α（例如 0.05）下错误识别异常的概率。我们解决 - 基于累积局部效应的机器学习和经典技术的统计推断
通过引入创新工具和技术，我们提出了一种基于 Accumulated Local Effects (ALE) 模型无关方法的统计推断，建立了适用于数据集大小的自举置信区间，并引入了直观指示对结果变量尺度和规范化尺度效应的 ALE 效应量度量。 - 在线估计和推断：强化学习中鲁棒政策评估
我们在强化学习中开发了一种在线鲁棒的策略评估过程，并基于其巴哈多表示建立了我们估计器的极限分布。此外，我们还开发了一种完全在线的过程，以基于渐近分布进行高效的统计推断。本文将鲁棒统计与强化学习中的统计推断联系起来，为策略评估提供了一种更多功 - 熵匹配用于马尔可夫跳过程的期望传播
本研究论文解决了潜在连续时间随机过程的统计推断问题，提出了一种新的可行的推断方案，基于熵匹配框架，并应用于化学反应网络的建模和参数估计。
- 统计推断中的无损转换和超额风险界限
研究统计推断中的过度最小风险，定义为从观察到的特征向量中估计随机变量的最小期望损失与从特征向量的变换（统计量）中估计相同随机变量的最小期望损失之间的差异。通过描述无损变换，我们构建了一个分割测试统计量，用于检验给定变换是否为无损，并证明对于