本研究提出了OptCS框架，旨在解决合规推断中的模型选择问题，尤其是在有限标签数据下选择“有趣”实例。该框架通过新颖的多重检验程序构建有效的合规p值，显著提高选择过程的有效性，具有重要的应用潜力。

本文提出了一种基于最佳臂多臂老虎机的连续监控框架，替代传统A/B测试，以控制虚假发现率(FDR)。通过分层贝叶斯估计和自适应多重检验方法，解决了多因素相关性和早期停止等问题，提升了信号检测能力。此外，研究探讨了在线控制FDR的广义Alpha-investing过程及其改进，提供了新的假阳性发现比例控制方法。