热点事件持续更新
机器学习模型用于序列条件独立性检验研究
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv Statistics Machine Learning 发布论文，研究在条件独立性检验中如何纳入机器学习模型。论文比较了 model-X 假设下的 GRO e-variable 与直接检验可交换性的 e-variable：后者理论上功效更低，但实践中表现更高。作者将误差分解为原假设扩大、近似误差与估计误差，并探索介于 model-X 条件独立与可交换性之间的原假设以降低误差，同时给出兼容三重稳健性的估计误差界与快速收敛率。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
论文提出介于 model-X 条件独立与可交换性之间的原假设，并给出兼容三重稳健性的误差界与快速收敛率。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine Learning用机器学习模型做序列条件独立性检验
论文研究条件独立性检验中如何纳入机器学习模型，比较 model-X 假设下的 GRO e-variable 与直接检验可交换性的 e-variable。后者理论功效更低但实践中更高，作者将误差分解为原假设扩大、近似与估计误差，并探索介于 model-X 条件独立与可交换性之间的原假设以降低误差，同时给出兼容三重稳健性的估计误差界与快速收敛率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。