Anytime-valid, Bayes-assisted, Prediction-Powered Inference
Department of Statistics, University of Oxford(统计系,牛津大学)
本文提出一种随时有效的贝叶斯辅助预测增强推断方法,将PPI扩展到序贯设置,利用Ville不等式和混合方法构建置信序列,提高统计效率并容纳先验知识。
2025-10-24 cs.LG math.ST stat.ML
Anytime-Valid Answer Sufficiency Certificates for LLM Generation via Sequential Information Lift
Department of Computer Science, Iowa State University(计算机科学系,爱荷华州立大学);Department of Civil, Construction & Environmental Engineering, Iowa State University(土木、建设与环境工程系,爱荷华州立大学)
通过顺序信息提升实现LLM生成的任何时间有效性答案充分性证书,利用经验动态形式提升方法,在减少生成长度的同时保持delta级误差控制,并通过轻量级正确性门提升端任务正确性。
2026-01-05 cs.AI cs.LG
Anytime-valid simulation-based hypothesis testing
University of Amsterdam(阿姆斯特丹大学);Nikhef(荷兰国家亚原子物理研究所)
针对无密度、仅依赖模拟数据的序贯假设检验问题,构造 e-test 鞅,实现任意时刻有效的第一类错误控制、近似最优增长、几何衰减第二类错误及渐近功效为 1。
2026-10-07 cs.LG math.ST stat.ME
Anytime-valid simultaneous lower confidence bounds for the true discovery proportion
Institute for Statistics, University of Bremen(不来梅大学统计研究所)
本文提出结合闭合检验框架与安全任意时间有效推断(SAVI)概念,计算多重检验设置中真实发现比例的下置信界。该方法提供在每个观测时间点都有效的置信界,并对所有可能的假设子集同时有效。在假设固定的情况下,允许子集变化,支持序列更新和可选停止,适用于数据采集成本高的领域如神经科学。
2026-04-22 stat.ME
CITE: Anytime-Valid Statistical Inference in LLM Self-Consistency
Komaba Institute for Science, Graduate School of Arts and Sciences, The University of Tokyo(东京大学艺术科学研究生院Komaba研究所);Nagoya University(名古屋大学);NARA Institute of Science and Technology (NAIST) / Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)(NAIST科学与技术研究所 / 摩洛哥本·泽德人工智能大学);Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) / RIKEN AIP(摩洛哥本·泽德人工智能大学 / RIKEN AIP);Graduate School of Arts and Sciences, The University of Tokyo / RIKEN AIP / Kyoto University(东京大学艺术科学研究生院 / RIKEN AIP / 京都大学)
本文提出CITE算法,通过交并检验与E过程实现任意时间有效的模型响应分布唯一模式认证,无需预先知道可能答案集,并在扩散尾设置中提升认证效果。
2026-05-07 cs.AI cs.LG math.ST
Deep anytime-valid hypothesis testing
University of Amsterdam(阿姆斯特丹大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出一个通用的深度任意时刻有效假设检验框架,通过抽象零假设定义和 testing-by-betting 博弈论方法,利用机器学习模型表示能力实现在线序贯检验,在控制第一类错误的同时自适应样本量,并在多个任务上取得与专用基线相当的实证效果。
2023-10-30 cs.LG stat.ML
Adaptive auditing of AI systems with anytime-valid guarantees
University of California, San Francisco(加州大学旧金山分校);Stanford University(斯坦福大学)
本文提出一种自适应审计框架,通过双视角假设检验方法,在有限样本下实现统计严谨的AI系统鲁棒性验证,证明在严格审计下系统可被认证为全局鲁棒。
2026-10-22 cs.AI math.ST stat.ML
Certified Adaptive Refresh: Anytime-Valid Monitoring for Federated Conformal RAG
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(H.米尔顿·斯图尔特工业与系统工程学院,佐治亚理工学院)
提出Anytime-FC-RAG,通过可累积的逐步校准偏差预算和截断投注e过程,将联邦共形RAG扩展到任意停止时间均有效的序贯覆盖,并保证时间均匀报警有效性、Hoeffding拼接累积误覆盖包络及自适应控制下的安全性。
2026-09-30 cs.LG stat.ML
Mitigating the Winner's Curse While Controlling Multiplicity: e-Process Methods for Anytime-Valid Inference in Dose-Ranging Trials
Columbia University(哥伦比亚大学);Infremacy LLC(Infremacy有限责任公司)
该研究针对II期剂量范围试验中因胜者诅咒和多重性导致的偏差问题,开发随时有效程序,利用选择溢价恒等式构建电子过程,给出高斯和二元结果实现,证明有限样本I型控制等,为剂量效应推断提供新方法。
2026-07-09 stat.ME
Anytime-valid testing with e-values and confirmatory adaptive designs
University of Bremen(不来梅大学)
本文比较了基于e值的任意时刻验证检验与确认性自适应设计,揭示其形式与方法上的联系与差异,并指出各自优势及相互借鉴之处。
2026-05-30 stat.ME
The Anytime-Valid Logrank Test: Error Control Under Continuous Monitoring with Unlimited Horizon
本研究提出随时有效(AV)对数秩检验,属基于E变量的鞅检验,可在可选停止/继续、无预设样本量的序贯场景下控制I类错误,可扩展至结、Cox回归等,效能与O'Brien-Fleming法相近且期望样本量有竞争力。
2023-05-01 math.ST stat.ME stat.TH
On Google's SynthID-Text LLM Watermarking System: Theoretical Analysis and Empirical Validation
本文对SynthID-Text水印系统进行理论分析和实证验证,探讨其检测性能和水印鲁棒性,揭示其在水印移除策略和鲁棒水印设计中的新方向。
2026-03-15 cs.AI cs.CR
Anytime-Valid Inference for Double/Debiased Machine Learning of Causal Parameters
针对经典双重去偏机器学习仅在预定样本量下渐近有效、缺乏数据收集灵活性的问题,研究提出时间一致的DML方法,仅需略强于标准的条件即可实现任意停止时间的有效推断,易于改造现有方法,并用两个实例验证了适用性。
2024-09-10 econ.EM math.ST stat.ME
DeepHider: A Covert NLP Watermarking Framework Based on Multi-task Learning
Hainan University(海南大学)
自然语言处理(NLP)技术已经在诸如情感分析等应用中显示出巨大的商业价值。但是NLP模型很容易受到盗版再分发的威胁,损害了模型所有者的经济利益。数字水印技术是保护自然语言处理模型知识产权的有效手段。现有的NLP模型保护主要从提高安全性和鲁棒性两个方面来设计水印方案,但这些方案的安全性和鲁棒性存在以下问题:(1)水印难以抵御攻击者的欺诈声明,在验证过程中容易被人或异常检测器检测到并阻止验证。(2)水印模型不能同时满足多种鲁棒性要求。针对上述问题,提出了一种基于深度模型过参数化和多任务学习理论的NLP模型水印框架。具体而言,通过建立隐蔽触发集实现水印模型的无感知验证,并设计了一种新型的辅助网络来提高水印模型的鲁棒性和安全性。在两个基准数据集和三个主流NLP模型上对该框架进行了评估,结果表明,该框架可以成功地验证模型所有权,具有100%的验证准确率和高级的鲁棒性和安全性,而不会影响主机模型的性能。
2022-11-18 cs.AI cs.CR
Watermarking Continuous Tabular Data Generation
本文提出一种基于数据分箱和统计假设检验的表格数据水印方法,具有保真度和抗噪声鲁棒性,可增强合成及真实数据集的安全性。
2026-10-14 cs.CR cs.LG stat.AP
Anytime-Valid Confirmation of Covariate Balance for Prespecified Corrections
CROID Research and aSSIST University(CROID研究所与aSSIST大学)
研究对协变量转移适应中预指定校正的随时有效确认,提出确认协变量平衡程序,给出时间均匀置信序列等方法及相关检验,用于控制错误确认、监测可接受区域等,展示了有限源效应及下游共形覆盖等实验结果。
2026-07-28 stat.ME stat.ML
Multiple testing with anytime-valid Monte Carlo p-values
本文将随时有效的 Monte Carlo 置换 p 值引入 Benjamini-Hochberg 等多重检验程序,在控制错误发现率和保持功效的同时自适应减少置换次数,并在基因组数据上将耗时从三天多降至四分钟内。
2025-08-28 stat.ME
Anytime-Valid Continuous-Time Confidence Processes for Inhomogeneous Poisson Processes
针对非齐次泊松过程序贯假设检验,提出连续时间随时有效置信过程及多元 $e$-process,用于监控事件到达率比较,保证时间均匀误差控制且渐近功效为 1。
2024-10-11 math.ST stat.ME stat.TH
Rank Confidence Sequences:Anytime-valid Leaderboards
Georgia Institute of Technology(佐治亚理工学院)
本文提出排名置信序列,一种随时有效的排行榜方法,通过结合赌e过程和闭合检验,在任意停止规则下同时为所有模型提供有效排名集,支持随时检查且节省计算。
2026-09-29 cs.AI stat.ME
Who Drifted: the System or the Judge? Anytime-Valid Attribution in LLM Evaluation Pipelines
University of California, Berkeley(加州大学伯克利分校)
提出一种基于固定锚点集和赌检验的方法,区分LLM评估中产品性能下降与裁判模型变化导致的分数漂移,并证明其随时有效性和归因准确性。
2026-06-16 cs.AI stat.AP
A Unified Framework for LLM Watermarks
ETH Zürich(苏黎世联邦理工学院)
本文提出了一种统一的框架,通过约束优化问题统一现有大语言模型水印方法,并揭示质量-多样性-功率的权衡,同时为设计新型水印方案提供系统性方法。
2026-02-06 cs.AI cs.CR cs.LG
AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games
IIIS, Tsinghua University(清华大学交叉信息研究院)
AV-AIVAT将AIVAT与置信序列结合,在非完全信息博弈中实现任意时间有效停止,成本降低74倍,可高效评估智能体并向第三方提供可审计的验证依据。
2026-08-07 cs.AI cs.CL cs.GT
Certified Corruption Budgets: Anytime-Valid Leaderboard Claims under Adaptive Rigging
针对AI模型排行榜易受自适应操纵的问题,提出了带数学公式的可验证腐败预算方法,该方法能在任意时刻保证排行榜声明的正确性,在Chatbot Arena投票实验中表现出良好的抗操纵能力。
2026-10-09 cs.AI cs.CR stat.ME
Efficient Online LLM Watermark Detection via Rao-Blackwellized E-Processes
Yunnan Key Laboratory of Statistical Modeling and Data Analysis(云南统计建模与数据分析重点实验室);Yunnan University(云南大学);School of Statistics and Management(统计与管理学院);Shanghai University of Finance and Economics(上海财经大学)
研究如何在大语言模型中高效检测水印,基于Rao-Blackwellized e过程开发在线检测框架,针对Gumbel-max水印实例化,能随时有效推理、递归更新证据,理论证明其有效性,模拟和实验验证了高效在线检测。
2026-07-27 cs.LG stat.ML
Online LLM watermark detection via e-processes
University of Pennsylvania(宾夕法尼亚大学);University of Waterloo(滑铁卢大学);Zhejiang University(浙江大学)
本文提出基于e过程的LLM水印检测框架,提供在线测试的 anytime-valid 保证,并通过实验验证其检测性能。
2026-04-10 stat.ME stat.ML
Propose, Don't Judge: An Anytime-Valid Referee for LLM Agents That Mine Investment Factors
DeepGrounding;AlphaAvatar
本研究提出由不可触及的冻结统计裁判对智能体提出的投资因子进行投注式评判,确保任意时点有效控制错误发现率,实验表明冻结裁判显著减少虚假接纳,且语言模型在提议和探针编写上表现最佳。
2026-09-24 cs.AI q-fin.PM q-fin.ST
Detecting Benchmark Contamination Through Watermarking
Meta FAIR
本文提出在基准发布前用带水印的LLM改写题目,通过统计检验检测模型训练中残留的水印痕迹,从而识别基准污染,并在多个基准上验证了方法有效性。
2025-07-21 cs.AI cs.CR
PASA: A Principled Embedding-Space Watermarking Approach for LLM-Generated Text under Semantic-Invariant Attacks
The Hong Kong University of Science and Technology (Guangzhou)(香港理工大学(广州))
提出PASA水印算法,在潜在嵌入空间的语义簇上嵌入和检测水印,通过理论框架实现检测精度、鲁棒性和失真的基本权衡,在强释义攻击下仍保持鲁棒性和文本质量。
2026-05-23 cs.AI cs.CR
BiMark: Unbiased Multilayer Watermarking for Large Language Models
Griffith University, Brisbane(格里菲斯大学);RMIT University, Melbourne(皇家墨尔本理工大学);University of Technology Sydney, Sydney(悉尼大学)
针对大语言模型生成文本真实性识别需求,提出BiMark无偏多层水印框架,通过位翻转无偏重加权、多层架构及多位编码解决现有方法的三大关键需求权衡问题,提升短文本提取率且保持文本质量与下游任务性能。
2025-08-25 cs.AI cs.CL
Beyond Semantic Narrowing: Robust and Efficient LLM Watermarking with Hamming Neighborhoods
Shanghai Jiao Tong University(上海交通大学);Shanghai Innovation Institute(上海创新研究院);Northwest Polytechnical University(西北工业大学)
针对现有语义水印导致的语义窄化问题,提出HammingMark,利用前句语义哈希的汉明邻域定义水印有效性,保留更多自然延续,在C4和BookSum上实现强鲁棒性、高检测率,采样成本降低72.8%。
2026-09-30 cs.AI cs.CR
Invisible Ink, Visible Lies: How Production Watermarking Causes LLMs to Hallucinate
Nanjing University of Science and Technology(南京理工大学);Anhui University of Technology(安徽工业大学);The Hong Kong Polytechnic University(香港理工大学);University of Luxembourg(卢森堡大学);CSIRO(澳大利亚联邦科学与工业研究组织)
本文研究生产水印导致大语言模型幻觉的问题,提出令牌级和注意力级两种干预措施,在保持流畅性的同时将事实错误减少约90%,强调事实性应成为水印评估的首要标准。
2026-10-06 cs.AI cs.CR
Optimal Anytime-Valid Tests for Composite Nulls
EECS Department University of Michigan, Ann Arbor(密歇根大学电子工程与计算机科学系)
本文提出了一种基于e过程的构造性方法,用于设计复合零假设下的最优任意时间检验,该方法在α趋近于0时达到理论下限。
2025-12-23 cs.IT cs.LG math.IT
Anytime-valid FDR control with the stopped e-BH procedure
本文指出停止的e-BH程序在序贯多重检验中,因全局停止时间导致信息泄漏而无法普遍控制FDR,并提出一个排除过去未观测混杂的因果条件,在该条件下可保证FDR控制,适用于基因组学等场景。
2025-08-05 math.ST stat.ME stat.TH
GaussMark: A Practical Approach for Structural Watermarking of Language Models
Microsoft Research NYC(微软研究院纽约市分部);MIT(麻省理工学院);Columbia University(哥伦比亚大学)
提出GaussMark,一种基于高斯独立性检验的结构化水印方法,通过向LLM权重添加噪声实现统计可检测的水印,不增加延迟且保持模型质量。
2025-01-17 cs.AI cs.CL cs.CR
Private Anytime Selective-Risk Certification for Federated Retrieval-Augmented Generation: Guarantees and Empirical Limits
Iowa State University(爱荷华州立大学)
本研究提出Fed-SRC这一适用于联邦RAG的私有任意时刻选择性风险认证方法,经实验验证其在多数场景下可满足风险保证,性能优于对比方法。
2026-08-11 cs.AI cs.CR
Correcting Split Selection in Online Decision Trees via Anytime-Valid Inference
J.P. Morgan AI Research(摩根大通AI研究)
针对在线决策树分裂选择缺乏有效统计保证的问题,提出基于随时有效推断的方法,实现任意数据流下错误分裂的随时有效控制、预测优势下的有限承诺时间,并在平稳独立同分布数据下保证风险单调递减且每次分裂严格改善。
2026-05-29 cs.AI cs.LG stat.ML
Anytime-Valid Confirmation of Label-Shift Corrections
Seungjin Choi
针对标签稀缺时预指定偏移修正的确认问题,提出基于条件e值的任意有效序贯检验方法,利用似然比乘积构造非负鞅,将常规模型监测转化为正式检验。
2026-06-15 cs.LG stat.ML
GAAVI: Global Asymptotic Anytime Valid Inference for the Conditional Mean Function
Department of ORIE, Cornell Tech, New York, NY, USA(运营与信息学系,康奈尔科技,纽约,纽约州)
GAAVI提出了一种渐近任意时间有效的检验方法,用于条件均值函数的全局空假设和对比推断,实现了最优样本复杂性和误差控制。
2026-02-08 cs.LG stat.ME stat.ML
Anytime-Valid LLM Leaderboards via Benchmark-weighted and Block-Factorized e-Processes
本文提出 BB-EDGE 框架,将 LLM 排行榜建模为有向图,通过块因子化 e-过程与 e-Holm 方法实现任意时刻有效的成对优势认证和 FWER 控制,并在实验中验证其高效性。
2026-09-29 cs.LG
Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences
本文提出了一种基于任意时间有效置信序列的SGD停止规则,适用于凸和非凸优化问题,提供统计上有效的停止条件。
2026-02-20 cs.LG math.OC math.ST
When the Martingale Never Stops Firing: Anytime-Valid Gating on Real Forecast Streams
University of Washington(华盛顿大学)
本研究针对真实预测流场景,测试了任意时刻有效门控机制在修正时间序列基础模型时的有效性,发现其在真实流上触发异常,采用Huber式门控可显著降低退化,建议相关方法附带空校准控制。
2026-09-01 cs.LG stat.ME stat.ML
Active, anytime-valid risk controlling prediction sets
Carnegie Mellon University(卡内基梅隆大学);Microsoft(微软公司)
该研究将风险控制预测集(RCPS)拓展至序贯主动标注场景,提出任意时刻有效的风险保证框架,刻画了固定标签预算下的最优策略与预测器,实验验证其用更少标签实现更高效用。
2024-10-31 cs.LG stat.ML
An Experimental Design for Anytime-Valid Causal Inference on Multi-Armed Bandits
Harvard University(哈佛大学);Harvard Business School(哈佛商学院)
本文提出 Mixture Adaptive Design (MAD),一种用于多臂老虎机算法的新实验设计,通过将任意老虎机算法与 Bernoulli 设计混合,实现对平均处理效应的随时有效推断,在确保推断有效性的同时允许提前停止实验并平衡遗憾与精度。
2024-10-15 cs.LG stat.ME
Multi-Agent Deferred-Decision Trajectory Optimization with Anytime-Valid Target Retention for Moving Candidates
Purdue University(普渡大学);University of Notre Dame(圣母大学)
针对未知身份与终端位置的移动候选目标,提出结合保形预测等技术的DDTO控制器,在100组场景中严格控制预算下捕获79%目标,放宽预算时捕获85%,实现固定时间覆盖与任意时刻目标保留。
2026-10-14 cs.LG cs.RO cs.SY
Certified Interventional Fidelity: Anytime-Valid, Adaptive Evaluation of Causal Claims in Mechanistic Interpretability
Vanderbilt University Medical Center(范德比尔特大学医学中心)
研究机制可解释性中因果声明评估问题,提出认证干预保真度(CIF)方法,通过将报告量写为因果估计量,提供置信区间等,能验证高保真声明,明确方法差异及对干预分布的敏感性,还降低了认证成本。
2026-07-10 cs.LG
Bet on Features: Anytime-Valid and Feature-Aware Auditing of Conditional Quantile Forecasters
Julius-Maximilians-Universität Würzburg(维尔茨堡大学朱利叶斯 - 马克西米利安斯大学);Zaragoza Logistics Center(萨拉戈萨物流中心);INSEAD(欧洲工商管理学院)
研究针对黑箱条件分位数预测器,开发无分布且基于博弈论的测试框架,通过形式化校准概念、识别可实现功效的替代方案集,得出有限时间检测保证,能在特征层面解释证据过程,实证发现流行预测器存在校准错误。
2026-10-30 cs.LG stat.ML
Beyond Heuristic Tuning: Power-Calibrated LLM Watermarking
Department of Statistics, Pennsylvania State University(统计学系,宾夕法尼亚州立大学)
研究大语言模型水印,针对现有基于对数几率水印在可检测性和语义失真权衡及超参数选择上的问题,开发功率校准统计框架,建立相关定量关系,推导出实用参数选择程序,经实验验证可识别帕累托最优点。
2026-07-08 cs.LG stat.ML
Learning to Bet for Horizon-Aware Anytime-Valid Testing
Department of Electrical and Computer Engineering, University of Michigan(密歇根大学电气与计算机工程系)
本文通过将前瞻性投注建模为有限时域最优控制问题,利用深度强化学习学习通用策略,在严格截止日期下实现有界均值的任意有效测试和置信序列。
2026-06-02 cs.LG stat.ME
Anytime-valid off-policy inference for contextual bandits
Carnegie Mellon University(卡内基梅隆大学);Microsoft(微软公司)
针对上下文赌博机的离策略评估推断问题,提出基于鞅技术的综合框架,放宽现有假设,支持实验进行中、策略变化、上下文漂移等场景,推导多类泛函的置信序列,实现任意时刻有效的非参数离策略推断。
2024-08-15 cs.LG math.ST stat.ME
Anytime-valid t-tests and confidence sequences for Gaussian means with unknown variance
Carnegie Mellon University(卡内基梅隆大学)
本文针对未知方差高斯均值,基于Lai的构造,提出两个新的e过程与置信序列,并证明其宽度对误差概率的多项式依赖不可避免且优于固定样本t检验。
2024-11-06 cs.LG math.ST stat.ME
Watermarking Generative Categorical Data
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出一种生成式分类数据水印的新型统计框架,通过拆分并修改数据分布在分布层面嵌入秘密信号,并利用插入逆算法与总变差距离进行验证,特别适合现代合成数据生成范式。
2024-11-16 cs.CR cs.LG
CELEUS: Certifiable and Efficient LLM Evaluation via E-Processes
The University of Melbourne(墨尔本大学)
提出Celeus框架,利用E-process构建任意有效的置信区间,通过不确定性引导采样和代理辅助近似减少评估样本,实现高效且统计严谨的LLM评估。
2026-11-10 cs.LG
The Price of Peeking: Anytime-Valid Leakage Detection on ML-KEM EM Traces
针对侧信道评估中实时监控泄漏测试缺乏误差保证的问题,提出基于投注检验的任意有效检测方法,在ML-KEM电磁迹线上实现随时间可控的误报率,并显著节省评估迹线预算。
2026-09-29 cs.CR cs.LG
From Approachability Residuals to Anytime-Valid Evidence: The Online Convex Geometry of Testing by Betting
University of California, San Diego(加利福尼亚大学圣迭戈分校)
该研究通过在线凸优化与投注检验的关联,构建了可及性残差与任意时刻有效证据的理论框架,给出有限时间下的检验误差界,实现了多种统计检验场景的统一。
2026-08-11 cs.LG