OptCS：数据依赖分数构造后依然有效的共形选择推断方法

论文提出优化共形选择框架 OptCS，允许在数据驱动地选择或训练 conformity score 之后仍进行有效的多重检验，并在大量数据复用下保持有限样本 FDR 控制。该框架给出三种具体流程：从多个候选分数中选优、不切分样本用全部标注数据训练分数、以及全样本训练与模型选择相结合。方法通过模拟实验及药物发现与大语言模型的真实应用验证了效果。