본 연구는 Turbo-Quant와 SpectralQuant KV-캐시 압축을 체계적으로 비교하며, Beta Lloyd-Max 및 QJL과 결합된 WHT 회전을 포함한 비지배 방식들을 통계적 검증 방법론을 통해 평가한다. 이 방법론은 체계적인 코덱 차이와 구현 분산을 분리한다. 주요 발견으로는, 고유기저 기반 방법이 공분산 불안정성으로 인해 중꼬리 분포 데이터에서 실패하는 반면, 구조적 체계에서는 우수한 성능을 보임을 확인하였다. 또한 유효 의미 차원($d_{eff}$)이 실제 데이터 랭크가 아닌 보정 예산에 따라 적응함을 밝혔다. (this is an abstract of the abstract thank you )
적응형 예측-기반 추론(PPI++)의 점근적 공짜 점심 보장을 평균 추정 문제의 유한 표본 분석으로 재검토하여, PPI++가 골드 스탠다드 레이블만 사용한 추정보다 추정 오차가 더 큰 설정을 특성화하고 의사 레이블과 골드 스탠다드 레이블 간 상관관계가 표본 수 n에 의존한 임계값 이상일 때만 우위가 나타난다는 필요충분조건을 제시한다. 표본 분할 하 PPI++ 분산의 정확한 비점근적 표현을 제공하고, 가우시안 데이터에서는 상관관계가 1/√(n-2) 이상일 때만 개선되는 등 이론적 결과가 실제 데이터셋에서도 확인된다.
결과 모델이 잘못 지정된(misspecified) 컨텍스트ual bandit 데이터에서도 사후 실험 통계 추론이 가능하도록 역확률 가중 Z-추정(IPW-Z) 프레임워크를 제안하고, LinUCB 같은 표준 알고리즘이 정책 안정성을 잃어 추론이 무효화될 수 있음을 보인 뒤 scaled inverse-propensity convergence 조건 하에서 일관성·점근 정규성과 샌드위치 분산 추정을 확립한다. 시뮬레이션과 HeartSteps V1 실데이터 응용에서 다양한 추론 목표에 대해 신뢰구간 커버리지가 안정적임을 확인한다.