本论文针对选举后风险限制审计（RLA）中存在的两个关键问题提出了创新解决方案。RLA是一种严格的统计审计程序，能够以预设的高概率确保错误选举结果被检测到。传统RLA需要一份准确且软件独立的选票批次清单（ballot manifest），但实际选举中批次大小通常只能粗略估计，微小的不准确性（与竞选差距相当）就会使传统RLA失效。精确建立清单往往需要处理所有选票，成为RLA的主要成本。论文提出两项新技术：1）一种统计机制，用于验证不可信制表系统报告的批次大小是否构成准确清单，从而从粗糙清单出发以亚线性工作量引导出精确清单；2）一类新型RLA——直接选票选择（direct ballot selection），该方法反转传统比较流程，随机选取选票并与投票记录对比，需要新的统计测试来检测标识符重复，但能有效支持没有顺序标识符的选举。实验表明，在3%竞选差距和大规模人口条件下，清单创建时间可大幅减少，总体审计时间降低至少一个数量级；在1%微小差距下，直接选票选择在选票样本复杂度上比Minerva方法（Security 2022）提升55%。这些技术显著降低了多种选举场景下RLA的复杂度。