本文针对单记名可转移投票（STV）这一多席位偏好比例选举系统，研究其边际计算问题。STV选举的边际是指改变获胜者集合所需的最小选票操纵数量。精确计算边际或其合理下界，对于实施风险限制审计（RLA）至关重要，因为边际知识可用于评估选举结果是否受到偶然错误或故意操纵的影响。现有的边际下界算法虽然可行，但在实际选举中计算的下界往往过低，导致基于不匹配的风险限制审计难以实用。作者在已有算法基础上提出了显著改进：通过优化搜索策略、剪枝技术和数据结构，使得在真实STV选举数据上能够计算出更高的下界。实验表明，改进后的算法能有效提升下界值，从而让基于不匹配的RLA在更多选举场景中变得可行。该研究为选举安全审计提供了更实用的工具，有助于验证选举结果的正确性。

该论文针对议会选举中多数派执政结果的认证问题，提出了一种风险限制审计（RLA）方法。传统的RLA通常聚焦于认证单个竞选结果，但在议会制选举中，政治相关结果往往是某个政党是否赢得足够席位以组建政府，而非每个席位结果是否完全正确。论文将认证议会多数派表述为一个部分结合假设检验问题：只需验证报告获胜的政党确实赢得了至少多数报告席位。基于SHANGRLA审计框架，作者通过组合席位级统计量构建了用于多数派结果的序贯审计统计量，并提出了自适应采样策略，以在席位间分配审计工作，其中包括能够避免在看似不可能真正获胜的席位上投入过多精力的变体。利用2014年印度人民院选举的合成数据和真实数据进行模拟，结果表明，与认证每个报告获胜席位相比，审计议会多数派可以大幅减少需要检查的选票数量（减少近千倍）。 研究背景：选举结果的完整性至关重要，传统审计方法需要大量人工检查。核心问题：如何高效审计议会多数派结果，而非每个席位。提出方法：部分结合假设检验+序贯统计+自适应采样。实验证明：大幅降低审计工作量。适合选举安全、审计专家及统计学家阅读。