基于生成过程的双样本检验研究
Get the story
2026年10月7日，arXiv 统计学机器学习栏目发布研究，提出一种基于生成传输的双样本检验方法。该方法在两个样本间构建随机插值，利用时间反射对称性，检验 t 与 1-t 时刻边缘分布是否一致。方法采用 Jensen–Shannon 散度与置换校准，无需学习即可获得精确有限样本水平，在高斯噪声下可比较传输动力学。论文称该检验在特定 Sobolev 光滑性条件下达到 n^{-2s/(4s+d)} 的极小极大分离率，实验表现匹配或优于现有核双样本检验。目前未见后续验证或同行评议信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning基于生成过程的双样本检验
该研究提出一种基于生成传输的双样本检验方法，通过在两个样本间构建随机插值并利用时间反射对称性，检验 t 与 1-t 时刻边缘分布是否一致。方法采用 Jensen–Shannon 散度与置换校准，无需学习即可获得精确有限样本水平，在高斯噪声下可比较传输动力学。该检验在特定 Sobolev 光滑性条件下达到 n^{-2s/(4s+d)} 的极小极大分离率，实验表现匹配或优于现有核双样本检验。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.