Carving model-free inference
数据雕刻的无模型推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般选择后推断与数据复用，未明确关联因果效应或其他所列细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
数据雕刻的无模型推断
- 研究问题
- 先用试点数据筛选有希望的发现后，如何结合新增观测并复用试点数据进行有效的选择后推断，将数据雕刻推广到高斯模型之外？
- 方法与思路
- 作者发展数据雕刻的渐近理论，用以支持超出高斯参数模型的选择后推断，并通过模拟与真实实例展示置信区间表现。
- 材料陈述的贡献
- 摘要称，所建理论支持无模型设置下的数据雕刻，并表明其能够产生有效且紧的置信区间，但未给出条件或宽度比较细节。
- 阅读关注点
- 应核对无模型设置仍需满足的条件、选择事件与数据复用方式，并区分渐近覆盖保证、区间宽度表现及有限样本证据。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；选择机制、渐近条件和比较基准未说明，无模型表述不能理解为无需任何假设。
原文摘要
Complex studies involve many steps. Selecting promising findings based on pilot data is a first step. As more observations are collected, the investigator must decide how to combine the new data with the pilot data to construct valid selective inference. Carving, introduced by Fithian, Sun and Taylor (2014), enables the reuse of pilot data during selective inference and accounts for overoptimism from the selection process. However, currently, carving is only justified for parametric models such as the commonly used Gaussian model. In this paper, we develop the asymptotic theory to substantiate the use of carving beyond Gaussian models. Our results indicate that carving produces valid and tight confidence intervals within a model-free setting, as demonstrated through simulated and real instances.