基於神經和最優傳輸方法的似然免費推斷基準測試研究

這篇研究論文探討了似然免費推斷方法的基準測試，基於神經和最優傳輸方法。論文指出，模擬基礎推斷（SBI）已成為參數估計的重要框架，尤其在模型模擬可行但似然計算不可行或成本高昂的情況下。然而，現有的基準測試框架往往忽略了數據的結構特徵，如重尾分布或離散性，這可能影響方法性能的準確評估。本研究通過模擬評估，調查了這些結構特徵如何影響方法性能，並比較了四種方法：MLE、NBE、EOT和AW--NBE。論文強調，在處理極端值和離散數據時，仔細選擇評估工具至關重要，以確保推斷結果的可靠性。研究結果顯示，不同方法在不同數據結構下的表現差異顯著，這對於未來研究在實際應用中的方法選擇具有重要指導意義，呼籲基準測試應更全面地考慮數據的結構特性。