我们提出了一种在高维模型中构造大参数向量的单个或低维分量的置信区间和统计检验的通用方法。考虑到测试之间的依赖性，可以很容易地调整其多样性。对于线性模型，我们的方法与Zhang和Zhang中的方法基本相同[J.R.统计社会服务。B统计方法。 76（2014）217–242]：我们分析了其渐近性质，并根据半参数效率建立了其渐近最优性。我们的方法自然扩展到具有凸损失函数的广义线性模型。我们发展了相应的理论，其中包括对高斯、亚高斯和有界相关设计的仔细分析。