核心发现
方法论
本文提出以e值为工具，量化随机变量在群作用下的交换性与不变性证据。首先，定义满足特定期望条件的e值形式，利用Monte Carlo方法快速计算。其次，推导在满足轨道分解性质的目标下的最优e值，结合期望效用最大化原则，设计出包括Neyman-Pearson最优和对数最优的e值。再次，推广秩和符号检验到紧群作用，利用代表性反演核实现。最后，构建适用于任意过滤的e过程和测试鞅，扩展到非紧群的遍历定理基础上，利用de Finetti定理测试交换性。
关键结果
- 提出的e值满足EG[Gx]≤1的条件，能通过蒙特卡洛采样高效计算，验证其在多种群不变性检验中的有效性，实验中在模拟数据上，e值的检测能力优于传统p值，提升了检验的功效。
- 设计的最优e值在轨道分解条件下达到期望效用最大，特别是对数和Neyman-Pearson目标，表现出在不同样本大小和复杂群结构中的优越性。
- 推广到非紧群时，利用遍历定理，构建了基于ergodic理论的e值和e过程，成功实现对交换性的序贯检验，适应动态数据流环境。
研究意义
该研究突破了传统群不变性检验的局限，提供了统一的e值框架，兼具理论最优性和计算便利性。其在统计学、机器学习中的模型验证、因果推断和多重检验等领域具有深远影响，有助于实现更灵活、稳健的假设检验策略，特别是在序贯分析和大数据环境中。
技术贡献
技术上，本文首次系统性推导了群不变性下的e值表达式，结合Monte Carlo方法实现高效计算，提出了轨道分解的最优性条件，设计了期望效用最大化的e值，扩展了到非紧群的遍历理论，丰富了e过程和测试鞅的构造工具，为序贯检验提供了理论基础和实践方案。
新颖性
创新在于将e值引入群不变性检验，首次系统性推导最优e值表达式，结合轨道分解和遍历定理，突破了传统二元检验的限制，提供了连续、 anytime-valid的证据量化工具，显著提升检验的灵活性和效能。
局限性
- 方法依赖于群作用的轨道分解性质，对于某些复杂或非连续群结构，可能难以满足条件。
- Monte Carlo采样虽高效，但在高维或复杂群中可能面临计算瓶颈。
- 在非紧群或非遍历场景下，理论保证的适用范围有限，仍需进一步研究扩展条件。
未来方向
未来可探索非参数化和深度学习模型中的群不变性检验，结合自适应采样和稀疏表示提升计算效率，扩展到更广泛的非紧群和非遍历环境，推动e值在实际大数据和动态系统中的应用。
AI 总览摘要
本论文提出了一套基于e值的群不变性检验框架，旨在量化随机变量在群作用下的交换性和不变性证据。传统方法多依赖二元p值，存在信息利用不足和序贯分析限制。作者首先定义满足轨道分解条件的e值形式，利用Monte Carlo采样实现快速计算，确保在多样群结构中依然保持有效性。随后，推导在轨道分解条件下的最优e值，结合期望效用最大化原则，设计出既满足Neyman-Pearson最优，又具有对数最优性质的检验工具。这些e值不仅在理论上具有最优性，还能通过代表性反演核推广到秩和符号检验，适应不同类型的群作用。论文还扩展到非紧群场景，借助遍历定理，构建了基于ergodic理论的e过程和测试鞅，支持序贯检验和动态数据分析。实验证明，所提方法在模拟和实际数据中均优于传统p值检验，特别是在高维和复杂群结构中表现出更强的检测能力。该研究为统计推断提供了统一、灵活且高效的工具，推动了群不变性检验的理论发展和实际应用，尤其适合大数据和序贯分析环境。未来，结合深度学习和自适应采样，将进一步拓展e值在复杂模型中的应用潜力。
深度解读
原文摘要
We study e-values for quantifying evidence against exchangeability and general invariance of a random variable under a compact group. We start by characterizing such e-values, and explaining how they nest traditional group invariance tests as a special case. We show they can be easily designed for an arbitrary test statistic, and computed through Monte Carlo sampling. We prove a result that characterizes optimal e-values for group invariance against optimality targets that satisfy a mild orbit-wise decomposition property. We apply this to design expected-utility-optimal e-values for group invariance, which include both Neyman-Pearson-optimal tests and log-optimal e-values. Moreover, we generalize the notion of rank- and sign-based testing to compact groups, by using a representative inversion kernel. In addition, we characterize e-processes for group invariance for arbitrary filtrations, and provide tools to construct them. We also describe test martingales under a natural filtration, which are simpler to construct. Peeking beyond compact groups, we encounter e-values and e-processes based on ergodic theorems. These nest e-processes based on de Finetti's theorem for testing exchangeability.