本研究将能量距离、距离协方差与最大均值差（MMD）联系起来，探讨其在概率分布下的可靠性及多参数数据的适用性。提出了B-tests，结合了MMD检验的优点，具有更强的计算效率和渐近正常分布特性。此外，研究介绍了新的无偏采样方法、适应性拟合优度检验和特征Stein差异度量，展示了在高维数据和模型结构下的优越性能。

该文综述高维向量与数据库的独立性检验，研究相关子集大小、相关水平及结构对风险的影响，发现简单检验常近最优，广义似然比有时次优；探讨两数据库统计依赖与条件独立性检验的阈值和复杂度，提出距离协方差、MINT、GCM等快速算法，并验证其在高维分类与均值检验中的性能。