近日，统计与数据科学学院副教授刘显慧、新加坡国立大学博士后王桐、香港中文大学副教授林媛媛与中国科学技术大副教授王占锋合作的论文《Semi-supervised inference for the high-dimensional quantile regression》发表于权威A类期刊《中国科学数学》（英文版）2026年第69卷4期。刘显慧副教授为论文第一作者，我校为第一完成单位。

现代科技快速发展使得大量的数据可以低成本采集。然而，在医学领域的电子健康记录实际数据集中，响应变量常常需要依赖专家进行人工标注，导致其获取成本远高于协变量。这个现实问题产生半监督数据集。半监督数据集一般由两部分构成：其一为规模较小的标注数据集，其中同时包含协变量与响应变量的观测值；其二为规模较大的无标注数据集，其中仅包括协变量的观测值。半监督数据集促进新兴领域——半监督学习的发展。半监督学习在模型预测评估、总体均值估计等方向已经展现出广阔的应用前景。分位数模型在医学、经济学等领域发挥重要作用。然而，现有分位数回归研究大多局限在监督学习框架。因此，该论文给出在半监督数据集情形下的分位数模型回归系数估计方法。利用有标注数据与无标注数据，所提出的估计具有良好的渐近效率：当模型存在误设时，所提出的估计相较于仅使用有标注数据的估计具有更高的渐近效率；而当模型设定正确时，两者渐近效率相当。通过模拟研究和实例数据分析验证了所提出估计良好的有限样本性能。

《Science China Mathematics》是中国数学会权威期刊，在中国科学院期刊分区中属于1区。论文获得国家自然科学基金项目（11961028，12161042）的资助。

                  （图文/统计与数据科学学院    编辑/周梦怡    审核/谭育华 张华 郭露)