提出序贯条件独立性检验方法

针对条件独立性检验中 model-X 假设难以融入机器学习模型的问题，研究者将误差分解为无效假设扩大、近似误差与估计误差三部分，解释了直接检验可交换性的 e-variable 理论上功效更低、实践中却更高的现象。通过探索 model-X 条件独立与可交换性之间的中间无效假设，可降低近似与估计误差；作者还给出估计误差界，支持三重稳健性并实现快速收敛。

摘自 arXiv stat.ML

还没有足够的连续观测数据，暂不绘制趋势。