finite-sample-guarantees

引入了一种共形化的分割样本框架，用于局部模型比较，生成经过校准的局部最佳模型图，并为声明局部优越性提供有限样本保证。

本文提出HarmAlign方法，该方法沿估计的对比激活子空间应用函数保持的谱变形，在保留良性适应性的同时阻止开放权重模型的有害微调，并提供了有限样本保证和实证验证。

本文将在多智能体LLM流水线中的工作流学习形式化为一个接口约束的半马尔可夫决策过程（IC-SMDP），并提出IC-ICQQ，一种异步分布式Q学习算法，具有有限样本界，可分解误差源，为分布式部分可观测性下的神经Q学习提供了首个有限样本保证。