OptCS框架实现数据驱动评分后的有效多重检验

Tian Bai 与 Ying Jin 提出 Optimized Conformal Selection（OptCS）框架，允许在灵活的数据驱动评分构建之后仍进行有效的多重检验，并在大量数据复用下保持有限样本 FDR 控制。 该框架给出三种控制 FDR 的流程：从多个候选中挑选强评分函数、不做样本划分用全部标注数据训练评分，以及结合全样本训练与模型选择。研究者称，方法在模拟研究以及药物发现和大语言模型的实际应用中验证了有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。