OptCS：数据驱动评分构建后仍可控制 FDR 的共形选择框架

OptCS 是一个允许在灵活的数据驱动评分构建之后进行有效多重检验的共形选择框架，在大量数据复用下仍能构造有效的共形 p 值并维持有限样本 FDR 控制。该框架给出三种控制 FDR 的流程：从多个候选中挑选强评分函数、不做样本划分用全部标注数据训练评分、以及结合全样本训练与模型选择。研究通过模拟实验及药物发现和大语言模型中的实际应用验证了方法效果。