Tibshirani 等新论文:用假设检验视角统一共形预测的普适性与最优性

_onionesque · x · 2026-09-22

Ryan J. Tibshirani、Rina Foygel Barber 与 Aaditya Ramdas 发布 arXiv 论文,从假设检验视角重新审视共形预测(conformal prediction)。不同于常见的「对 H0: Y{n+1}=y 计算置换 p 值再求逆」的解释,作者将共形预测视为对 n+1 个样本联合分布可交换性零假设的置换检验求逆。这一视角带来三点成果:利用共形集与检验的对偶性,用 Neyman、Lehmann、Le Cam 等经典假设检验理论直接复现共形预测文献中的普适性与不可能性结果;用标准 Neyman-Pearson 理论推导出共形预测的最优性结论,即对任意协变量与响应的联合分布和任意样本量,给出预测集的最优方法;整体框架更贴近传统假设检验的形式化。