Announced Breaks Separate Conformal Reliability from Frequency Calibration¶

会议: NeurIPS 2026
arXiv: 2610.23917
OpenReview: https://openreview.net/forum?id=b9d9BqKBKg
代码: https://github.com/zhaoyang97/Paper-Notes-private
领域: 学习理论
关键词: 共形预测, 分布漂移, 自适应共形推断, 频率校准, 极小极大率

一句话总结¶

论文揭示了当数据流存在公开预告的结构性断点时，“单步共形可靠性”（按时审计）与“闭合窗口误差率”（频率审计）两种评估标准在本质上发生分离，并证明了经验分位数重置规则与自适应递归分别在两类审计下达到最优收敛率。

研究背景与动机¶

在电力调度叫价、宏观金融风险限额设置或自动驾驶控制等高敏决策系统中，决策者严重依赖共形预测区间来量化不确定性。当监管机构预先公布电力市场规则变更或央行发布议息会议决议日历时，所有市场参与者在第一个受影响的数据到来之前就已知晓该结构断点。然而，面对已知日期的突发分布断点，共形预测领域长期混淆了两个不同的审计目标：业务操作员关注下一个预测步落在区间的概率偏差（单步共形可靠性），而合规审计员关注闭合历史窗口内的平均未覆盖率是否达标（时间平均频率校准）。

现有自适应共形推断方法（如 ACI、DtACI、AgACI、SAOCP 和 Conformal PID）在未知断点下通过步长迭代来追踪失误率，依靠历史递推保证长期平均覆盖率。但当这种递推结构遭遇剧烈断点时，其固定的步长或自适应更新机制会产生严重的适应滞后——其时间平均误差能够依靠后续步长的代数抵消而表现出良好的平滑收敛，但施加在当前时间步上的预测阈值却会长时间偏离真实分位数，形成系统性的低覆盖平台。反之，若在已知断点处直接清空历史样本并重估经验分位数，单步失误率能够迅速逼近标称水平，但在小样本初期的窗口平均频率误差却由于缺乏历史样本支撑而居高不下。

这两种审计需求在断点后的表现分歧表明，并不存在一种单一的在线机制能在两类指标上同时达到最优。本文旨在确立预告断点问题的理论框架，给出两种截然不同的审计指标在理论极限下的收敛率界限，并量化重置策略在真实物理流与金融流中的有效剂量门槛。核心 idea：将预告断点下的共形不确定性量化显式解耦为单步共形可靠性（$L^1$ 概率间隙）与时间平均频率校准两套审计体系，分别证明重置分位数规则与状态重置自适应递归在对应审计下达到极小极大最优率 $\Theta(M^{-1/2})$ 与 $O(M^{-1})$。

方法详解¶

整体框架¶

算法的输入是带时间戳的特征-标签流 $\{(X_t, Y_t)\}_{t=1}^T$、预先训练且冻结的预测器 $\hat{f}$、标称误覆盖率 $\alpha \in (0, 1)$ 以及由公开预告的断点集合 $\{\tau_j\}$ 切分出的结构划分 $\pi$。在每个时间步 $t$，系统在观察到真实标签 $Y_t$ 前输出区间 $C_t = [\hat{f}(X_t) \pm \hat{q}_t]$。系统在断点触发标志到达时，根据当前所服务的审计目标采取两种不同的决策路径：面向单步共形可靠性采取分段经验分位数重置（算法 1，Reset Rule），面向窗口频率审计采取带状态重置与步长激增的自适应共形推断（算法 2，Announced-Break ACI，简称 AB-ACI Form A）。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["输入数据流与冻结预测器<br/>特征 X_t 与预告断点集合 {tau_j}"] --> B["共形评分计算<br/>s_t = |Y_t - f(X_t)|"]
    B --> C{"到达预告断点 tau ?"}
    C -->|是：可靠性审计路径| D["分段分位数重置规则<br/>清空历史缓存，重置经验分位数"]
    C -->|是：频率校准审计路径| E["状态跃迁与步长激增<br/>跃迁至全历史分位数，临时增大更新步长"]
    D --> F["单步共形可靠性输出<br/>极小极大收敛率 Theta(M^-1/2)"]
    E --> G["递推更新与截断投影<br/>误差自修正，窗口平滑误差 O(1/M)"]

关键设计¶

1. 分段分位数重置规则：实现独立样本下的极小极大单步可靠性 针对单步共形可靠性审计指标 $\Delta_t := \mathbb{E}[|F_k(\hat{q}_t) - (1-\alpha)|]$（即当前生效阈值在当前分布下的真实覆盖率与标称水平 $1-\alpha$ 的期望绝对偏差），传统的自适应递推受到固有步长惯性的拖累，其恢复时间随总体流长度呈 $\Omega(\sqrt{T})$ 增长。重置规则在断点 $\tau_j$ 处直接清空历史评分缓存集 $\mathcal{S} \leftarrow \emptyset$，并仅基于当前单元内新收集的 $n_t$ 个评分进行线性插值经验分位数计算。当 $n_t$ 小于截断阈值 $c = \lceil 1/(1-\alpha) \rceil$ 时，设定阈值 $\hat{q}_t = +\infty$（此时误差严格为 $\alpha$）；一旦 $n_t \ge c$，通过 Dvoretzky-Kiefer-Wolfowitz (DKW) 不等式将经验分布函数均匀偏差与分位数插值误差进行夹逼，在单元内样本独立时严格保证： $$ \Delta_t \le \frac{0.8883}{\sqrt{n_t}} + \frac{\max(\alpha, 1-\alpha)}{n_t} $$ 结合基于 Le Cam 两点构造法建立的极小极大下界 $\inf_P \sup \Delta_{t_M} \ge c_A \min(\alpha, 1-\alpha) / \sqrt{M}$，该规则证明了重置策略在单步概率可靠性上闭式达成了 $\Theta(M^{-1/2})$ 的最优界，且在几何 $\beta$-混合过程下仍维持 $O(\log M / \sqrt{M})$ 的近最优收敛率。

2. 状态跃迁与步长激增：保证闭合窗口下的快速频率校准 针对合规审计员关注的时间平均频率误差 $G_M^{\mathrm{freq}} := |\frac{1}{M}\sum_{t=\tau+1}^{\tau+M} \mathbf{1}\{Y_t \notin C_t\} - \alpha|$，若采用上述重置规则，由于初期样本极度匮乏，其平均频率误差仅能以 $O(M^{-1/2})$ 缓慢下降。AB-ACI (Form A) 继承自适应共形推断 (ACI) 的误差自修正恒等式，但在断点发生时引入两项关键机制：第一，将内部状态瞬时跃迁至全流累积评分的经验分位数，产生跃迁修正项 $J_b$；第二，在断点后的 $b$ 步内将自适应步长提升至 $\kappa \gamma$（其中 $\kappa \ge 1$ 为激增倍数），随后按 $\gamma \max\{1, \kappa / \sqrt{t - \tau - b + 1}\}$ 平滑衰减回基础步长 $\gamma$。由此建立包含下限投影修正 $\Pi_t := [\hat{q}_{\min} - (\hat{q}_t + \gamma_t (\mathrm{err}_t - \alpha))]_+$ 与激增偏置项 $B_M$ 的扩展伸缩求和界： $$ G_M^{\mathrm{freq}} \le \frac{R_M + |J_b| + \sum_{t=\tau+1}^{\tau+M} \Pi_t + B_M}{\gamma M} $$ 在有界评分空间 $[0, B]$ 且投影和保持有界的前提下，该递推保证了时间平均频率误差严格维持 $O(1/M)$ 的超快收敛速度。

3. 窗口检测阈与断点有效剂量判据：避免无收益的盲目重置 断点并非总能带来显著增益。论文定义预告断点的“剂量”（Dose）为断点后与断点前评分在 $1-\alpha$ 处的分位数差值除以断点前评分标准差：$\mathrm{Dose} = (q_{\mathrm{post}}^* - q_{\mathrm{pre}}^*) / \sigma_{\mathrm{pre}}$。由于有限长度窗口对覆盖率差异的统计检出力存在物理下限（在 80% 功效下的最小可检测差异 Detection Floor），重置策略能够展现显著统计收益的前提是断点剂量突破检测阈。当合成断点处于小剂量（$\mathrm{Dose} \le 1.06$）时，AB-ACI 相比标准 ACI 的增益为负或包含零，只有当 $\mathrm{Dose} \ge 1.89$ 且突破特定窗口的检验能力底线时，断点响应算法的结构优势才会确立。

实验关键数据¶

主实验¶

实验在合成控制流（1,000 次独立重复，包含均值漂移、方差漂移及联合漂移）以及两大真实物理与经济流（德克萨斯州电力可靠性委员会 ERCOT 2025 年 12 月 5 日实时联合优化改革，以及美联储 FOMC 2020-2025 年议息决议对 10 年期国债收益率的冲击）上开展评估。基准包含 ACI、DtACI、AgACI、SAOCP 和 Conformal PID。

下表展示了在合成大均值漂移（5.0 标准差）与真实流中，第 50 步后（或第 10 步后）的单步共形间隙 $\Delta_t$ 对比（标称 $\alpha = 0.1$）：

数据集 / 场景	评估时间步与指标	重置规则 (Reset Rule)	ACI (基线)	AgACI	DtACI	SAOCP	Conformal PID
合成流 (大均值漂移 $\delta=5.0$)	第 50 步 $\Delta_{50}$ (单步间隙)	0.035	0.081	0.052	0.081	0.080	0.063
合成流 (大均值漂移 $\delta=5.0$)	成对差值置信带 vs 本文	—	[-0.051, -0.041]	[-0.021, -0.013]	[-0.050, -0.042]	[-0.049, -0.041]	[-0.033, -0.023]
ERCOT 电力改革窗口	第 50 天 $\Delta_{50}$ (单步间隙)	0.091	0.077	0.077	0.091	0.147	0.147
ERCOT 电力改革窗口	前 98 步平均 $\bar{\Delta}$	0.069	0.046	0.081	0.082	0.093	0.091
FOMC 议息决议流	第 10 天 $\Delta_{10}$ (单步间隙)	0.128	0.076	0.087	0.068	0.085	0.078

消融实验¶

针对 AB-ACI 在合成中等均值漂移（$\delta=2.0$）下的前 50 步时间平均频率误差 $G_{50}^{\mathrm{freq}}$ 进行解构消融，验证“边界状态跃迁”与“步长激增”各自的作用机制：

配置 / 变体	50 步频率间隙 $G_{50}^{\mathrm{freq}}$	相对 ACI 误差降幅	机制说明
AB-ACI Form A (完整模型)	0.0081	74.9%	状态瞬时重置至经验分位数 + 激增步长更新
仅激增步长 (Boost only, 无跃迁)	0.0102	68.3%	保持 ACI 原状态，仅在边界后进行步长激增
仅状态跃迁 (Move only, 无激增)	0.0366	-13.7% (变差)	仅重置状态，但维持小常数步长 $\gamma$
ACI (原始无重置基准)	0.0322	基准 (0.0%)	连续更新，不读取断点
重置规则 (Reset Rule, 算法 1)	0.0489	-51.9% (变差)	仅清空缓存算分位数，频率审计收敛较慢

关键发现¶

审计分歧的斜率印证：在对数坐标下对样本步数拟合衰减斜率，重置规则在单步可靠性上的收敛斜率为 $-0.499 \pm 0.004$（完美契合理论 $-1/2$），而其频率误差斜率仅为 $-0.574$；相反，AB-ACI Form A 在频率误差上的收敛斜率达到 $-1.004 \pm 0.013$（完美契合理论 $-1$），但在单步可靠性上后期完全拉平至 $0.065$ 的固定误差平台（斜率为 $0.001$）。
两机制的协同增效：消融实验揭示，单纯对状态进行跃迁若无激增步长支撑，其误差表现甚至劣于原始 ACI（间隙自 0.0322 恶化至 0.0366）；状态重置与步长激增之间存在显著为负的超额交互效应（成对差值为 $-0.0021$），两者缺一不可。
现实场景中的剂量不足：在 ERCOT 电力与 FOMC 利率两大真实流中，断点前后的分布位移剂量仅为 $0.46$ 与 $0.47$，均落入合成剂量曲线的无收益区（$<1.06$），且低于各自检验窗口的统计检测下限（Detection Floor 分别为 $0.025$ 与 $0.015$）。在 9 个历史政策案例库中，仅有 1 个案例（澳大利亚国家电力市场 NEM 五分钟结算改革）越过检测阈，但此时第 50 步的所有方法间隙均超过了 $0.45$。

亮点与洞察¶

概念澄清的学术洞见：首次明确指出并在数学上严格证明了共形预测中“按时可靠性”与“时均频率校准”的对立本质，终结了以长期平均覆盖率证明单步可靠性的混淆做法。
严密自洽的极小极大理论：不仅给出了重置经验分位数的非渐近 DKW 上界，还基于 Le Cam 两点法确立了理论下界，证明了最简的经验重置方案在点覆盖率层面已是极小极大最优。
对盲目适应的审慎证伪：通过 9 个真实历史制度断点与功效分析揭示，现实中的许多政策断点在共形统计意义上均属于“无效低剂量”，此时强行重置反而会因丢弃历史校准集而显著劣化置信区间。

局限与展望¶

真实流中的置信带不显著：在两个真实数据流中，重置算法与标准 ACI 相比并未取得压倒性置信优势，受限于真实世界中有限参考集带来的方差代理不确定性。
多项式弱相关的理论延拓悬空：论文将多项式弱相关下的收敛界从滚动窗口风险借用至单步共形间隙，缺乏严格的理论转移证明，且在交替更新族模拟中的收敛斜率检验未达标。
缺乏统一单在线机制：目前仍需人工根据审计目的（单步决策 vs 窗口审计）在算法 1 与算法 2 之间进行二选一，尚未设计出能够同时达成 $\Theta(M^{-1/2})$ 单步率与 $O(M^{-1})$ 频率率的统一在线预测器。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 首次确立预告断点共形问题的理论解耦框架，界定了两类审计的速率本质差异。
实验充分度: ⭐⭐⭐⭐⭐ 涵盖 5 类合成流、2 大真实产业流、9 组公共政策案例库，且严格执行跨代码库原作者复现与机器间复现校验。
写作质量: ⭐⭐⭐⭐⭐ 数学表达极为精炼规范，定理假设清晰无歧义，审慎讨论了理论界限与实际局限。
价值: ⭐⭐⭐⭐⭐ 为安全关键系统、能源市场叫价及金融风险管理提供了明确的区间标定与审计方法论指南。

数据集 / 场景	评估时间步与指标	重置规则 (Reset Rule)	ACI (基线)	AgACI	DtACI	SAOCP	Conformal PID
合成流 (大均值漂移 \(\delta=5.0\))	第 50 步 \(\Delta_{50}\) (单步间隙)	0.035	0.081	0.052	0.081	0.080	0.063
合成流 (大均值漂移 \(\delta=5.0\))	成对差值置信带 vs 本文	—	[-0.051, -0.041]	[-0.021, -0.013]	[-0.050, -0.042]	[-0.049, -0.041]	[-0.033, -0.023]
ERCOT 电力改革窗口	第 50 天 \(\Delta_{50}\) (单步间隙)	0.091	0.077	0.077	0.091	0.147	0.147
ERCOT 电力改革窗口	前 98 步平均 \(\bar{\Delta}\)	0.069	0.046	0.081	0.082	0.093	0.091
FOMC 议息决议流	第 10 天 \(\Delta_{10}\) (单步间隙)	0.128	0.076	0.087	0.068	0.085	0.078