本文探讨了大型图形的两样本检验问题，比较了现有的理论检验方法及其自举变体，并提出了一种新的渐近分布检验方法，具有更低的计算复杂度和更高的可靠性。此外，研究了网络统计学在假设检验中的应用，提出了针对大类非参数测试的框架，强调了其在在线数据流监控和类型 I 错误控制方面的优势。

该文介绍了一种在线鲁棒的策略评估过程，基于巴哈多表示建立了估计器的极限分布，并开发了一种完全在线的过程，以基于渐近分布进行高效的统计推断。该方法将鲁棒统计与强化学习中的统计推断联系起来，为策略评估提供了更可靠的方法。数值实验验证了该算法的有效性。