तकनीकी सारांश: फीडबैक-संवर्धित ऑनलाइन मल्टीपल टेस्टिंग और कॉन्फॉर्मल सिलेक्शन पर इसके अनुप्रयोग

1. समस्या का निरूपण (Problem Formulation)

यह शोध पत्र ऑनलाइन मल्टीपल टेस्टिंग की समस्या को संबोधित करता है जहाँ परिकल्पनाओं (hypotheses) के एक प्रवाह $\{H_{0t}\}_{t=1}^\infty$ पर क्रमिक रूप से निर्णय लिए जाते हैं। शास्त्रीय सेटिंग्स के विपरीत जहाँ केवल पिछले निर्णयों का ही ज्ञान होता है, यह कार्य एक यथार्थवादी परिदृश्य पर विचार करता है जहाँ निर्णय $\delta_t$ लेने के बाद परिकल्पना की वास्तविक स्थिति ($\theta_t \in \{0, 1\}$) के संबंध में फीडबैक प्रकट किया जाता है। यह फीडबैक निम्न प्रकार का हो सकता है:

• पूर्ण या आंशिक (Full or Partial): "बैंडिट" (bandit) सेटिंग्स में, फीडबैक केवल तभी प्रकट किया जाता है जब कोई रिजेक्शन ($\delta_t=1$) होता है; पूर्ण सेटिंग्स में, यह रिजेक्शन के बावजूद प्रकट किया जाता है।
• तत्काल या विलंबित (Instant or Delayed): फीडबैक तुरंत उपलब्ध हो सकता है या $d$ की देरी के बाद।

इसका उद्देश्य पूर्व-निर्धारित स्तर $\alpha$ पर फॉल्स डिस्कवरी रेट (FDR) या इसके मार्जिनल वेरिएंट (mFDR) को कठोरता से नियंत्रित करते हुए सांख्यिकीय शक्ति (statistical power - वास्तविक नॉन-नल्स का पता लगाना) को अधिकतम करना है। लेखक विशेष रूप से इस ढांचे के ऑनलाइन कॉन्फॉर्मल सिलेक्शन (Online Conformal Selection) पर अनुप्रयोग को रेखांकित करते हैं, जहाँ लक्ष्य वास्तविक समय में पूर्व-निर्दिष्ट आवश्यकताओं (जैसे, बीमारी का उच्च जोखिम) को पूरा करने वाले व्यक्तियों का चयन करना है, जिसमें वास्तविक लेबल फीडबैक के रूप में कार्य करते हैं।

2. कार्यप्रणाली (Methodology)

2.1 जनरलाइज्ड अल्फा-इन्वेस्टिंग विद फीडबैक (GAIF)

मुख्य योगदान GAIF ढांचा है, जो जनरलाइज्ड अल्फा-इन्वेस्टिंग (GAI) प्रतिमान (जैसे, LORD++, SAFFRON) का एक विस्तार है।

• तंत्र (Mechanism): मानक GAI विधियाँ फॉल्स डिस्कवरी प्रोपोरशन (FDP) का रूढ़िवादी अनुमान लगाती हैं, यह मानते हुए कि सभी पिछले रिजेक्शन्स तब तक गलत डिस्कवरी हो सकते हैं जब तक कि सिद्ध न हो जाए। GAIF इस अनुमान को परिष्कृत करने के लिए प्रकट फीडबैक का उपयोग करता है। यदि कोई पिछला परिकल्पना सिद्ध होता है कि वह नॉन-नुल है ($\theta_j=1$), तो FDP बाउंड में उसका योगदान हटा दिया जाता है (या कम कर दिया जाता है), जिससे संबंधित $\alpha$-वेल्थ (टेस्टिंग बजट) को प्रभावी रूप से "रीसायकल" किया जा सकता है।
• अनुकूली संस्करण (Adaptive Variants): लेखक Adaptive GAIF का प्रस्ताव करते हैं, जो फीडबैक रीसाइक्लिंग को अनुकूली $\alpha$-वेल्थ आवंटन रणनीतियों (SAFFRON के समान) के साथ जोड़ता है। यह विधि आशाजनक परिकल्पनाओं (जिनके p-values छोटे हैं) पर टेस्टिंग बजट केंद्रित करने की अनुमति देती है, जबकि पुष्टि किए गए नॉन-नल्स से वेल्थ को पुनः प्राप्त करना भी सुनिश्चित करती है।
• सैद्धांतिक गारंटी: यह शोध पत्र स्थापित करता है कि GAIF और इसके अनुकूली संस्करण, नल $p$-values की कंडीशनल सुपर-यूनिफॉर्मिटी के तहत ऑनलाइन mFDR नियंत्रण की गारंटी देते हैं। स्वतंत्रता (independence) की धारणाओं के तहत, वे सख्त ऑनलाइन FDR नियंत्रण की भी गारंटी देते हैं। इस ढांचे को लोकल डिपेंडेंस (जहाँ परिकल्पनाएं केवल एक निश्चित लैग के भीतर निर्भर होती हैं) को संभालने के लिए भी विस्तारित किया गया है।

2.2 ऑनलाइन कॉन्फॉर्मल टेस्टिंग विद फीडबैक (OCTF)

लेखक GAIF को कॉन्फॉर्मल इंफरेंस के डोमेन में लागू करते हैं।

• वैध $p$-values का निर्माण: वे डायनेमिकली कैलिब्रेशन डेटासेट को अपडेट करके ऑनलाइन कॉन्फॉर्मल $p$-values का निर्माण करते हैं। जैसे-जैसे फीडबैक प्रकट होता है, पुष्टि किए गए नल सैंपल्स को कैलिब्रेशन सेट $C^0_t$ में जोड़ा जाता है। यह सुनिश्चित करता है कि नल हाइपोथीसिस के तहत, परिणामी $p$-values परस्पर स्वतंत्र और यूनिफॉर्म रूप से वितरित होते हैं, जो GAIF की आवश्यकताओं को पूरा करते हैं।
• सुरक्षित संस्करण (Safe Variants): ऑनलाइन कॉन्फॉर्मल $p$-values की विशिष्ट डिपेंडेंस संरचना के तहत परिमित-नमूना (finite-sample) गारंटी सुनिश्चित करने के लिए, लेखक "सेफ" वेरिएंट (LFS और SFS) पेश करते हैं। ये वेरिएंट केवल पुष्टि किए गए नल रिजेक्शन्स के आधार पर टेस्टिंग लेवल्स को अपडेट करते हैं, जिससे थ्रेशोल्ड को नॉन-नुल निर्णयों से अलग रखा जाता है ताकि सैद्धांतिक वैधता बनी रहे।
• अनुकूलित स्कोर चयन (Optimized Score Selection): यह पहचानते हुए कि इष्टतम कॉन्फॉर्मिटी स्कोर समय के साथ बदल सकता है (डिस्ट्रीब्यूशन शिफ्ट), लेखक फीडबैक-ड्रिवन स्कोर सिलेक्शन रणनीति का प्रस्ताव करते हैं। ऑक्सिलरी नॉन-नल $p$-values के एक्सपोनेंशियलली वेटेड मूविंग एवरेज (EWMA) का उपयोग करते हुए, यह विधि उम्मीदवार पूल में से सर्वश्रेष्ठ प्रदर्शन करने वाले स्कोर फंक्शन को अनुकूल रूप रूप से चुनती है। सैद्धांतिक विश्लेषण दिखाता है कि यह चयन चरण धीरे-धीरे बदलने वाले डिस्ट्रीब्यूशन के तहत इष्टतम स्कोर को ट्रैक करता है।

3. मुख्य योगदान (Key Contributions)

1. GAIF ढांचा: ऑनलाइन FDR प्रक्रियाओं के लिए टेस्टिंग थ्रेशोल्ड के निर्माण में फीडबैक (पूर्ण, आंशिक, तत्काल, विलंबित) को व्यवस्थित रूप से एकीकृत करने वाला पहला कार्य। यह त्रुटि दर नियंत्रण से समझौता किए बिना पुष्टि किए गए नॉन-नल्स से $\alpha$-वेल्थ को रीसायकल करके पावर में सुधार करता है।
2. OCTF एकीकरण: ऑनलाइन कॉन्फॉर्मल टेस्टिंग में GAIF का विस्तार, जो फीडबैक-संवर्धित कॉन्फॉर्मल सिलेक्शन के लिए प्रथम परिमित-नमूना mFDR नियंत्रण गारंटी प्रदान करता है।
3. अनुकूली स्कोर चयन: वितरण परिवर्तन (distribution shifts) की उपस्थिति में कॉन्फॉर्मिटी स्कोर को अनुकूल रूप से चुनने के लिए एक नवीन रणनीति, जिसे इष्टतम स्कोर चुनने में निरंतरता दिखाने वाले अनुकूलन विश्लेषण द्वारा समर्थित किया गया है।
4. सैद्धांतिक कठोरता: स्वतंत्रता, स्थानीय निर्भरता और ऑनलाइन कॉन्फॉर्मल इंफरेंस से उत्पन्न होने वाली विशिष्ट निर्भरता संरचनाओं के तहत परिमित-नमूना mFDR नियंत्रण के प्रमाण।

4. परिणाम (Results)

लेखक व्यापक संख्यात्मक सिमुलेशन और वास्तविक-डेटा अनुप्रयोगों के माध्यम से अपने तरीकों को सत्यापित करते हैं।

• सिंथेटिक प्रयोग:

  • पावर लाभ (Power Gains): पूर्ण/तत्काल फीडबैक वाले परिदृश्यों में, GAIF (LF) और Adaptive GAIF (SF) FDR नियंत्रण बनाए रखते हुए सांख्यिकीय शक्ति के मामले में अत्याधुनिक बेसलाइनों (LORD++, SAFFRON, LOND) से लगातार बेहतर प्रदर्शन करते हैं।
  • फीडबैक का प्रभाव: जब नॉन-नल अनुपात ($\pi_1$) अधिक होता है, तो LF (जो वेल्थ रीसायकल करता है) सबसे अच्छा प्रदर्शन करता है। जब $\pi_1$ कम होता है, तो SF (जो अनुकूली आवंटन का उपयोग करता है) श्रेष्ठ होता है।
  • निर्भरता (Dependence): लोकल डिपेंडेंस के तहत, प्रस्तावित डिपेंडेंस-अवेयर वेरिएंट (LFdep, SFdep) सफलतापूर्वक FDR को नियंत्रित करते हैं, जबकि मानक फीडबैक-इग्नोरिंग विधियां विफल हो जाती हैं।
  • विलंबित/बैंडिट फीडबैक: विधियाँ विलंबित या बैंडिट फीडबैक सेटिंग्स में भी मजबूत रहती हैं और बेसलाइनों से बेहतर प्रदर्शन करती हैं, हालांकि देरी बढ़ने के साथ पावर कम हो जाती है।

• वास्तविक-विश्व अनुप्रयोग:

  • विधियों को चार कार्यों पर लागू किया गया था: ऑनलाइन कैंडिडेट स्क्रीनिंग, हाई-रिस्क डायबिटीज आइडेंटिफिकेशन, हाई-इनकम सिलेक्शन, और एयरफॉइल नॉइज़ डिटेक्शन।
  • प्रदर्शन: अनुकूलित फीडबैक-संवर्धित विधियों (Opt-LF, Opt-SF) ने लक्षित स्तर ($\alpha=0.3$) के नीचे अनुभवजन्य FDR को सख्ती से नियंत्रित करते हुए फीडबैक-मुक्त बेसलाइनों (SAFFRON, LORD++) की तुलना में काफी अधिक पावर प्राप्त की।
  • स्कोर चयन: अनुकूलित फीडबैक-एन्हांस्ड स्कोर सिलेक्शन रणनीति (Opt-) ने रैंडम स्कोर सिलेक्शन की तुलना में लगातार बेहतर प्रदर्शन किया, जो डिस्ट्रीब्यूशन शिफ्ट के अनुकूल होने के मूल्य को प्रदर्शित करता है।

5. महत्व और दावे (Significance and Claims)

यह शोध पत्र दावा करता है कि यह ऑनलाइन FDR प्रक्रियाओं के लिए टेस्टिंग थ्रेशोल्ड के निर्माण में फीडबैक जानकारी को सीधे शामिल करने और इस अवधारणा को ऑनलाइन कॉन्फॉर्मल टेस्टिंग पर लागू करने वाला पहला कार्य है।

• अंतराल को भरना: यह पारंपरिक ऑनलाइन मल्टीपल टेस्टिंग और कॉन्फॉर्मल इंफरेंस के बीच के अंतर को पाटता है, जो वास्तविक समय के निर्णय लेने के लिए डिस्ट्रीब्यूशन-फ्री, मॉडल-एग्नोस्टिक उपकरण प्रदान करता है।
• व्यावहारिक प्रभाव: फीडबैक (जो अक्सर मेडिकल स्क्रीनिंग या LLM एलाइनमेंट जैसे वास्तविक दुनिया के अनुप्रयोगों में उपलब्ध होता है लेकिन वर्तमान विधियों द्वारा अनदेखा किया जाता है) का लाभ उठाकर, प्रस्तावित ढांचा त्रुटि दर की गारंटी से समझौता किए बिना सांख्यिकीय शक्ति को महत्वपूर्ण रूप से बढ़ाता है।
• सैद्धांतिक आधार: कार्य कठोर परिमित-नमूना गारंटी प्रदान करता है, जो परीक्षण प्रक्रिया की निर्भरता संरचना को बदलने वाले फीडबैक की चुनौती को संबोधित करता है।

लेखक निष्कर्ष निकालते हैं कि जबकि उनका वर्तमान ढांचा नॉन-नल डिस्ट्रीब्यूशन शिफ्ट पर ध्यान केंद्रित करता है, भविष्य के कार्य अल्फा-डेथ (alpha-death) परिदृश्यों के लिए वेटेड FDR नियंत्रण और अधिक सामान्य डिस्ट्रीब्यूशन शिफ्ट की खोज कर सकते हैं। हालाँकि, प्राथमिक योगदान ऑनलाइन निर्णय लेने के लिए एक फीडबैक-संवर्धित, सैद्धांतिक रूप से सुदृढ़ ढांचा स्थापित करना है।