论文提出统一 copula 基准，发现互信息估计器无通用赢家。
资讯摘要
论文提出一个基于统一 copula 理论的互信息估计基准框架，将现有基准作为特例纳入其中，并设计两类互补测试：copula-first 系列通过合成与流式变换系统改变真实互信息、维度和边缘复杂度；marginals-first 系列将真实图像数据与受控依赖结构结合，扩展同类配对范式。作者用该套件评估非参数、变分和生成三类估计器，报告称没有通用最优方法，各类估计器在特定设置下均可系统性胜出，并据此分析估计瓶颈、提出新测试。代码已开源。
要点速读
- 论文提出基于 copula 理论的统一基准框架，现有互信息估计基准可作为其特例。
- 测试分 copula-first 与 marginals-first 两族，覆盖合成数据、流式变换和真实图像加受控依赖结构。
- 作者报告非参数、变分、生成三类估计器无通用赢家，各自在特定设置下可系统性领先。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。