圖書信息
內容簡介
對 arXiv stat.CO 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 100 篇論文 的細讀整理，組織為 28 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 高性能貝葉斯推斷與不確定性量化 (87.2%) — 聚焦面向高維模型與複雜數據結構的可擴展算法、GPU 加速與專門採樣技術。
- 先進馬爾可夫鏈蒙特卡洛與採樣算法 (10.2%) — 發展新穎的 MCMC、哈密頓蒙特卡洛與集成採樣器，以提升後驗估計的效率與精度。
- 隨機優化與微分方程求解器 (1.3%) — 處理隨機梯度下降、朗之萬動力學與動態系統反問題的理論保證與數值方法。
- 靈活迴歸模型與分佈學習 (0.9%) — 探索廣義、神經與穩健迴歸技術，處理複雜響應類型、異常值與非標準數據結構。
- 深度學習與統計推斷整合 (0.3%) — 研究深度學習與統計推斷的交叉，包括共形預測與基於模擬的推斷。
- 異常值檢測的穩健統計方法 (0.1%) — 考察穩健迴歸與異常值檢測技術，特別處理缺失值與逐元素異常。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
