新方法让高维置信序列既紧致又算得动，多指标A/B测试直接受益！
On the Tightness and Computational Tractability of Higher-Dimensional Confidence Sequences
📖 AI 总结
该论文研究多维置信序列在序贯监控中的紧致性与计算可行性问题。针对有界向量均值，现有多元置信序列要么紧致但计算不可行，要么计算高效却过于保守。作者考察了一维基于投注的置信序列向高维的三种推广形式：加权Bonferroni区域、等价的极大财富形式以及投资组合区域。其中投资组合区域通常更紧致，尤其在高维情形下，但其边界与体积等性质无闭式解。为使该构造实用，作者提出保持统计有效性的可处理外近似，包括边界框、ℓ_p椭球及其交集，并证明了各构造之间的集合关系。实验表明，这些近似能够逼近难以处理的投资组合区域，显著优于现有可处理的多元置信序列，并支持多指标A/B测试与模型比较等实际应用。
🔑 关键词速览
| 置信序列 (Confidence Sequences, CSs) | 一种在序贯分析中随时间均匀覆盖真实参数的统计区间序列，适用于连续监测。 |
| 投注 (Betting) | 一种构造置信序列的方法，通过模拟赌博中的投注策略来积累证据。 |
| 投资组合区域 (Portfolio Region) | 高维置信序列的一种构造，通过组合多个投注策略来获得更紧致的区域。 |
| 外近似 (Outer Approximations) | 用易于计算的集合从外部逼近复杂区域，同时保持统计有效性。 |
| 多指标A/B测试 (Multi-metric A/B Testing) | 同时比较多个指标的A/B测试，需要多元置信序列进行连续监测。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅