Statistical Repair · sources ciblées
Une métrique non lisse exige une inférence adaptée.
v0.8.2 ajoute les antériorités statistiques nécessaires pour ne pas confondre bootstrap standard, sélection post-hoc, calibration nulle et généralisation inter-tâches.
| Question | Référence | Usage T^GPT |
|---|---|---|
| Fonctionnelles directionnellement différentiables | Fang & Santos (2019), Review of Economic Studies — Inference on Directionally Differentiable Functions | Le bootstrap standard n’est pas présumé valide pour les fonctionnelles à partie positive ; v0.8.2 privilégie randomisation/permutation au niveau du design et bootstrap uniquement au niveau tâche pour la généralisation. |
| Winner’s curse / sélection | McCloskey (2024), QJE — Inference on Winners | Appui pour la distinction sélection/estimation et l’usage d’échantillons indépendants ou de procédures adaptées lorsque la sélection est guidée par le bruit. |
| Semantic clustering | Farquhar et al. (Nature, 2024) — Semantic Entropy | Antériorité méthodologique pour l’équivalence sémantique ; T^GPT ne prétend pas mesurer le même construit. |
| Quality-Diversity | Mouret & Clune — MAP-Elites | Baseline conceptuelle obligatoire pour toute revendication de conservation de diversité performante. |
| Post-training ouvert | Ai2 — Tülu / Open-Instruct | Infrastructure prioritaire pour E1-STAGE lorsque les checkpoints/provenances permettent l’attribution par étape. |