本文提出了一种通用框架，用于强大的连续假设检验，适用于多种非参数测试问题。该框架能够在线监控数据流，控制类型 I 错误，并根据未知难度调整样本大小。实证结果表明，该框架在多个任务上与专门基准测试具有竞争力。

该文介绍了一种通用的框架，用于构建针对大类非参数测试问题的强大的连续假设检验。该框架可以统一处理多个经典任务，如双样本测试、独立性测试和条件独立性测试，以及现代问题，如对机器学习模型的对抗鲁棒性测试。