数理科学 · OECD FoS 1.1 · 教育部 0714 统计学
统计学
Statistics
L2局部突破 → 持平 综合分 1.90 · 上次复审 2026-10-22 · 下次复审 2027-01-19
最大突破 2025-01-08 AI 影响 · 重要学科影响 · 重要
TabPFN：小样本表格数据基础模型（Nature） ↗
小样本表格预测超过调参梯度提升树，挑战统计/机器学习的默认工具
分级理由
表格基础模型 TabPFN 在小样本表格预测上超过调参后的梯度提升树（Nature 2025）；“预测驱动推断”给出用 AI 预测做有效统计推断的方法（Science 2023）。统计学核心方法尚未被系统改写。
S = 0.30·method + 0.35·discovery + 0.25·adoption + 0.10·education（教育缺证据时记 0 分；若为空则按其余权重归一）
依据来源
综合分 1.5–2.49：至少一项经同行评审或官方验证、AI 起关键作用的成果，或某一维度已达到 3 分；但常规工作流整体未变。 全部分级标准 →
研究方向
表格基础模型预测驱动推断自动化数据分析智能体
论文
- MR-MAS: an end-to-end multi-agent system for autonomous Mendelian randomization analysis MR-MAS（Bioinformatics）：大模型多智能体端到端自动完成孟德尔随机化因果分析——取数、效应估计、结果解读到成稿，跨模型后端重复运行结果一致
AI：配套结构化 MR 知识库用于方法实现和代码修复；学科：在多个场景复现了文献支持的因果信号、重复运行估计稳定，是统计因果推断流程被智能体自动化的同行评审案例，但仍属工具层面
2026-10-20 · Bioinformatics
- The more you automate, the less you see: Hidden pitfalls of autonomous AI scientists PNAS：系统检验开源“AI 科学家”系统，发现基准选择不当、数据泄漏、指标误用和事后选择偏差四类统计陷阱，且在最终论文里几乎看不出来；提供完整日志和代码后审查效果明显改善
AI：用受控实验逐一隔离四类陷阱，两套代表性开源系统都中招；学科：把统计学关心的泄漏、多重比较与选择性报告问题带进自动化科研，主张期刊从“只审论文”转向审查完整工作流（日志与代码）
2026-10-05 · PNAS
- Pragmatic DML with AI-Learned Representations Chernozhukov、Newey 等：把 AI 学到的表征（文本、图像嵌入）当作控制变量做因果推断时，交叉拟合双重机器学习（DML）仍可给出有效推断，并给出误差较大时的敏感性区间
AI：文本、图像经基础模型压缩成表征后进入因果分析已很普遍；学科：证明表征误差对目标参数的扭曲等于两项误差之积，给出可直接照做的“DML 点估计 → 解释 → 敏感性区间”流程，是计量与统计推断适配 AI 特征的方法学进展（预印本，未审稿）
2026-10-01 · arXiv
- PPI++: Efficient prediction-powered inference PPI++：高效的“预测驱动推断”正式发表（Annals of Applied Statistics）
AI：让大量 AI 预测与少量金标准数据结合，得到有效置信区间；学科：预测驱动推断进入主流统计期刊，降低方差并适用高维问题
2026-09-01 · The Annals of Applied Statistics
- A Survey on Large Language Model-based Agents for Statistics and Data Science 《The American Statistician》发表大模型统计/数据科学智能体综述
主流统计期刊系统梳理数据智能体
2025-10-16 · The American Statistician
- LAMBDA: A Large Model Based Data Agent LAMBDA：大模型数据分析智能体，JASA 讨论论文（Donoho、Xihong Lin、孟晓犁等受邀讨论）
统计学顶刊首次正面讨论数据分析走向全自动化
2025-07-17 · Journal of the American Statistical Association
- Accurate predictions on small data with a tabular foundation model TabPFN：小样本表格数据基础模型（Nature）
小样本表格预测超过调参梯度提升树，挑战统计/机器学习的默认工具
2025-01-08 · Nature
- Cross-prediction-powered inference 交叉预测驱动推断：用机器学习预测补足标注数据并保持推断有效（PNAS）
把 PPI 推广到无需额外标注模型的情形，扩大了“用 AI 预测做有效推断”的适用面
2024-04-03 · Proceedings of the National Academy of Sciences
- Prediction-powered inference 预测驱动推断（Prediction-powered inference）发表于 Science
给出用 AI 预测做有效置信区间的一般框架，被大量跟进
2023-11-10 · Science
- 超越单一排行榜：多目标大模型竞技场中识别帕累托前沿的自适应采样 Beyond Scalar Leaderboards: Adaptive Sampling for Pareto Frontier Identification in Multi-Objective LLM Arenas
提出 VB-EGE 固定置信度自适应采样算法，用尽量少的成对比较找出在数学、代码、写作等多维度上处于帕累托前沿的模型，并证明其样本复杂度上界与极小极大最优性。
2026-10-20 · arXiv · Liang Twist Shan, Jiahao Ai, Zhimei Ren
- 保持谱系存活：面向扩散语言模型解码的保多样性序贯蒙特卡洛 Keep the Lineages Alive: Diversity-Preserving SMC for Diffusion LLM Decoding
改进扩散语言模型推理时的序贯蒙特卡洛重采样步骤，在集中算力于有希望候选的同时保留多样性，以提升推理准确率。
2026-10-19 · arXiv · Minoo Ahmadi, Seyedarmin Azizi, Mehdi Kamal, Massoud Pedram
- 多模式大模型水印的词元级归属：最优规则与置信加权 Token-Level Attribution of Multi-Mode LLM Watermarks: Optimal Rule and Belief Weighting
研究当验证者持有多个水印密钥、文档混有多种水印和无水印文本时，如何在控制第一类错误的前提下做逐词元归属。
2026-10-16 · arXiv · Rui Zhou, Licheng Zhao, Chao Shen, Wenqiang Pu
- 带机会约束的个性化大模型路由与在线偏好学习 Chance-Constrained Personalized LLM Routing with Online Preference Learning
把在不同成本和能力的大模型之间选择的问题建模为约束上下文赌博机，在学习用户偏好的同时降低推理成本并保证回答质量。
2026-10-15 · arXiv · Ameya Anjarlekar, Rasoul Etesami, R Srikant
- 协方差校准的预测驱动推断（CC-PPI） Covariance-Calibrated Prediction-Powered Inference
用无标注样本上的模型预测分数校准 GMM 估计中的协方差权重，并加谱保护保证正定，让预测驱动推断在少量标注下更有效。
2026-10-15 · arXiv · Siyuan Chen, Yang Bai, Huichen Zhu
- 学习评审清单以减少同行评审中的“抽签误差” Learning Checklists to Reduce Lottery Effects in Scientific Peer Review
从历史评审语料中学出分层的批评清单，提示审稿人可能遗漏的问题，从而减少少数审稿人只覆盖部分问题造成的误差。
2026-10-14 · arXiv · Xuanyou Liu, Ziyang Guo, Jason Hartline, Jessica Hullman
- 能有多低：用贝叶斯优化微调大模型（LlMBO） How Low Can You Go: Fine-Tuning LLMs with Bayesian Optimization (LlMBO)
在只有极少可训练参数的 TinyLoRA 微调中，用贝叶斯优化代替梯度局部搜索。
2026-10-13 · arXiv · Aditya Kulkarni, Davide Sartor, Carlos Soto, Nathan Wycoff
- textGrain 水印更难检测：求和检验还能最优吗？ textGrain watermarking is harder to detect: can sum-tests still do it optimally?
分析新型 textGrain 大模型文本水印的统计检测问题，讨论求和型检验是否仍然最优。
2026-10-13 · arXiv · Swapnaneel Bhattacharyya, Soham Bonnerjee
- 近约 30 天来自 arXiv、bioRxiv、medRxiv、OpenAlex；要点由本站根据摘要撰写。
里程碑 10
大号发光节点是飞跃性突破： AI 飞跃 冷色 · 学科飞跃 暖色 · 双环 = 两者都是
-
系统发布
MR-MAS（Bioinformatics）：大模型多智能体端到端自动完成孟德尔随机化因果分析——取数、效应估计、结果解读到成稿，跨模型后端重复运行结果一致AI：配套结构化 MR 知识库用于方法实现和代码修复；学科：在多个场景复现了文献支持的因果信号、重复运行估计稳定，是统计因果推断流程被智能体自动化的同行评审案例，但仍属工具层面
Bioinformatics -
论文
PNAS：系统检验开源“AI 科学家”系统，发现基准选择不当、数据泄漏、指标误用和事后选择偏差四类统计陷阱，且在最终论文里几乎看不出来；提供完整日志和代码后审查效果明显改善AI：用受控实验逐一隔离四类陷阱，两套代表性开源系统都中招；学科：把统计学关心的泄漏、多重比较与选择性报告问题带进自动化科研，主张期刊从“只审论文”转向审查完整工作流（日志与代码）
PNAS -
论文
Chernozhukov、Newey 等：把 AI 学到的表征（文本、图像嵌入）当作控制变量做因果推断时，交叉拟合双重机器学习（DML）仍可给出有效推断，并给出误差较大时的敏感性区间AI：文本、图像经基础模型压缩成表征后进入因果分析已很普遍；学科：证明表征误差对目标参数的扭曲等于两项误差之积，给出可直接照做的“DML 点估计 → 解释 → 敏感性区间”流程，是计量与统计推断适配 AI 特征的方法学进展（预印本，未审稿）
arXiv预印本 -
论文
PPI++：高效的“预测驱动推断”正式发表（Annals of Applied Statistics）AI：让大量 AI 预测与少量金标准数据结合，得到有效置信区间；学科：预测驱动推断进入主流统计期刊，降低方差并适用高维问题
The Annals of Applied Statistics
这个筛选下没有里程碑。
更多论文与仓库 7
| 类型 | 标题 | 日期 |
|---|---|---|
| 论文 | PPI++: Efficient prediction-powered inference | 2026-09-01 |
| 论文 | A Survey on Large Language Model-based Agents for Statistics and Data Science | 2025-10-16 |
| 论文 | LAMBDA: A Large Model Based Data Agent | 2025-07-17 |
| 论文 | Accurate predictions on small data with a tabular foundation model | 2025-01-08 |
| 论文 | Cross-prediction-powered inference | 2024-04-03 |
| 论文 | Prediction-powered inference | 2023-11-10 |
| 仓库 | PriorLabs/TabPFN 待核实 | — |
最新新闻 5
- A robust deep learning framework for smart grid stability classification using statistical validation
Nature 学科·数学于2026-10-20发布的文章，涉及AI 数学、AI 气候能源、AI 软件开发，原题《A robust deep learning framework for smart grid stability classification using statistical》，详见原文链接。
Natureen - The statistical science behind trustworthy AI
国际华人统计学会（ICSA）2026 研讨会在乔治梅森大学举行，约 500 人讨论统计方法如何评估 AI 的不确定性、偏差与可靠性。
George Mason University Statisticsen - When the Answer Comes Too Easily: Where Statistics Goes Next
美国统计协会刊物评论：AI 让“答案来得太容易”，统计学下一步该做什么。
Amstat Newsen - ONS surveys and economic statistics improvement plan, quarterly progress update: October 2026
英国统计局季度进展：发布“AI 专题账户”框架，调查显示约 3 成企业在工作中使用 AI。
Office for National Statisticsen待核实 - New statistical method can flag hidden anomalies in scientific datasets
Phys.org 数学频道于2026-09-29发布的文章，涉及AI 数学、AI 生物/医药、AI 教育，原题《New statistical method can flag hidden anomalies in scientific datasets》，详见原文链接。
Phys.orgen