📖 AI 总结

本文提出一种“惩罚蒸馏”方法，将光滑剪切绝对偏差（SCAD）估计器拟合到稳健初始估计器的经验拟合曲面上，并沿受保护的坐标下降路径，从保真度、稀疏性、扰动稳定性和留出预测四个维度分别评估候选状态。理论方面，作者在固定无污染设计下给出确定性界，将响应替换有界性从初始拟合传递到路径上的每个保留状态；在固定维数下刻画了oracle支撑分支及其影响函数，并建立了路径条件广义信息准则。研究发现，当维数与样本量之比较大时，全坐标稳健拟合会无预警崩溃，而筛选可恢复构造并传递稳健性与支撑保证。模拟实验在p高达240的条件下分离了稳健性传递与支撑恢复、效率和计算成本。在重复分组超导数据中，蒸馏估计器在预设训练响应偏移下保持预测稳定，但保留81个斜率中的66.8至68.8个；更强稀疏化仅以明显的保真度和预测代价降至12.6至14.0个斜率。这表明蒸馏能保持预测稳定性，却不足以支撑紧凑的坐标级解释。

🔑 关键词速览