DINGO-TGR把双星参数与六个后牛顿相位形变参数放在同一个神经后验估计里联合推断，再用重要性采样校正网络给出的近似后验。对GW150914，推断耗时约38分钟，而bilby-tgr配dynesty约需177小时；对信噪比更高的GW250114约4.4小时对238小时。GW150914的领头主成分模式相对广义相对论有轻微偏移，但1000次类GW150914的广义相对论注入中有115次达到或超过该偏移，经验上尾p值约0.115，在5%水平上不拒绝广义相对论零假设。
评估一个策略时，监管者往往只看到输入和输出，难以区分收益来自按状态调整动作，还是来自平均意义上的固定行为。这项工作证明，在有限期马尔可夫决策过程中，策略相对其开环边际的期望代价差恰好等于状态与动作的协方差，并给出用互信息刻画的自适应收益上界。审计该量在赌博机反馈下需要与平均KL散度成反比的样本量，而确定性非常数策略从自身日志中不可识别。
异步强化学习让采样与训练同时进行，但训练用的是旧权重生成的样本，此前靠重要性采样纠正，却仍会漂移。NVIDIA Research 与 Inferact 的 REINFORCE Zero 先把采样引擎与训练器的内核对齐，使同一权重下逐 token 对数概率逐位一致，再用不截断的 token 级重要性采样处理剩余的权重滞后。在 16 块 GPU、12K 次更新上，其训练步吞吐为对齐内核同步训练的 2.40 倍（68.55 对 164.77 小时），质量相当；Qwen3-4B 配合 Python 工具在滞后 64 下训练 5,000 次更新，平均奖励从 0.287 升到约 0.78。
SRAM良率签核需要在每个PVT条件下给出10⁻⁶到10⁻¹²量级的单元失效概率，逐点跑重要性采样代价过高。该方法把各失效瓣的设计点跨PVT迁移，用每个瓣一次SPICE运行做锚定修正，再用随机校准条件上的重要性采样给出分裂保形裕度，无法判定的条件升级为重要性采样。在SkyWater 130 nm与ASAP7 7 nm全部242个未见条件上，校准后没有出现不安全接受，由保形上限读出的最低工作电压与重要性采样相差−1至+34 mV，1 Mb宏交付良率至少99.88%。
作者提出协变量依赖的连续比率马尔可夫随机场（CR-MRF）模型，对多元有序评分进行联合建模，并证明Bradley-Terry与Plackett-Luce等比较模型是其独立性与指数竞赛限制下的特例；他们用重要性采样估计难解归一化常数实现最大似然推断，在模拟与MovieLens数据上，直接建模有序评分比先转成成对或列表胜负再拟合比较模型能给出更准、更校准的偏好预测。
FERPO 是一种在线最大熵强化学习算法，它从经熵与 KL 正则化的策略改进目标导出最优目标动作分布，再用自归一化重要性采样（SNIS）估计的前向 KL 目标把 actor 拟合到该分布，从而在不求 critic 对动作的导数的情况下完成策略改进；在 MuJoCo Playground 与 ManiSkill 上的实验与消融显示其表现有竞争力、样本效率提升，计算基准显示 actor 更新快于 REPPO。
已读完全部报道