本文提出了一种基于最大均值差异（MMD）的双样本检验方法，分析了在样本选择偏差和高维情况下的统计检验能力。研究了MMD在ε污染下的估计问题，并提出了改进的估计方法，展示了其在变量选择和神经网络检验中的应用，强调了方法的有效性和统计功率。

该文综述了多种双样本检验方法，包括基于相似性图、分布无关图检验、网络统计量、分类器C2ST、Wasserstein距离与核最大均值偏差等，并探讨了对抗攻击下的失效模式与防御、高维离散图假设检验、顺序检验及神经影像网络全局测试，比较了其渐近性质与计算效率。