Amazon（亚马逊）

Global Sequential Testing for Multi-Stream Auditing

多流审计的全局序贯检验

Beepul Bharti, Ambar Pal, Jeremias Sulam

机构 * Mathematical Institute for Data Science (MINDS), Johns Hopkins University（数据科学数学研究所（MINDS），约翰霍普金斯大学） ； Department of Biomedical Engineering, Johns Hopkins University（生物医学工程系，约翰霍普金斯大学） ； Amazon Responsible AI（亚马逊负责任人工智能） 纠错

AI总结 针对多数据流审计问题，提出基于鞅合并的序贯检验方法，在稀疏和密集备择假设下分别达到最优停止时间，并通过实验验证。

Multi-Metric Adaptive Experimental Design Under a Fixed Budget with Validation

固定预算下带验证的多指标自适应实验设计

Qining Zhang, Tanner Fiez, Yi Liu, Wenyang Liu

机构 * University of Michigan（密歇根大学） ； Amazon（亚马逊） 纠错

AI总结 针对在线实验中多指标测试的统计功效及AED推断统计量不足的问题，提出固定预算多指标AED框架，含探索与验证两阶段。提出SHRVar方法，其错误概率指数级降低，数值实验验证了该方法的性能与鲁棒性。

Comments Published in AISTATS 2026