statistical-testing

DiscoPER 是一个自主框架，利用大型语言模型和动态代码生成进行开放式科学研究，通过二阶元反射综合发现结果，并采用统计检验确保严谨性。在多模态生态基准测试中，它在恢复已知模式方面优于基线方法。

本博士论文批判了当前机器学习中的公平性度量方法，并提出统计假设检验和结构性分析来解决偏差问题，重点关注网络和层级上下文。