ALPHA：从既往人工审计选票中学习的审计方法

BRAVO 是风险限制选举审计中试用最广泛的方法，它不能适应无放回抽样或分层抽样，而后者可提高效率并可能为法律所要求。它仅适用于选票轮询审计，其效率低于比对审计。它适用于多数制、过半数、绝对多数、比例代表制和排序投票选举，但不适用于许多存在 RLA 方法的社会选择函数，例如批准投票、STAR 投票、Borda 计数和一般计分规则。并且，虽然当报告得票率完全正确时，BRAVO 在顺序有效的有放回选票轮询方法中具有最小的期望样本量，但当报告获胜者确实获胜但报告得票率错误时，它可能需要任意大的样本。ALPHA 是 BRAVO 的一个简单推广，它 (i) 适用于有放回、无放回和伯努利抽样；(ii) 通过避免需要使用 $P$ 值合并函数或在层内对 nuisance 参数最大化 $P$ 值，并允许跨层自适应抽样，提高分层审计的功效；(iii) 不仅适用于选票轮询，也适用于选票级比对、批次轮询和批次级比对审计，有放回或无放回抽样，均匀或按与规模成比例权重抽样；(iv) 适用于 SHANGRLA 涵盖的所有社会选择函数；(v) 在 ALPHA 和 BRAVO 均适用的情况下，当报告得票率错误但结果正确时，所需样本少于 BRAVO——在某些例子中相差五个数量级。ALPHA 包含了 RiLACS 中的赌博鞅检验族，采用不同的赌博策略，参数化为总体均值估计量，并明确灵活地适应随抽取变化的抽样权重和总体界限。