论文页面 - 基于Wasserstein重心交互场的空间因子模型：来自语言模型表征的证据

来源：https://huggingface.co/papers/2608.29669

摘要

通过Wasserstein重心重建的语言模型嵌入场，比传统加权方案能更精确地预测同行错配惩罚。

空间收益模型将交互矩阵视为给定条件，并未解读反馈机制。我们利用目标锚定的Wasserstein重心重建技术，从公司语言模型文章嵌入分布构建了一个无带宽的场（相关论文：https://huggingface.co/papers?q=Wasserstein%20barycentric%20reconstruction）。二次暴露调整问题（相关论文：https://huggingface.co/papers?q=quadratic%20exposure-adjustment）将反馈映射为同行错配惩罚比率。对于52家公司，基于2018-2022年新闻构建的冻结场，在2023-2026年产生了3.46的惩罚比率（95%置信区间[2.89, 4.17]），其条件准似然值高于相同距离下的等权重同行支持或径向基函数加权。在边界校准检验中，重心场与新闻共现场的联合惩罚比率分别为2.33和0.86，两者均拒绝了排除原假设。

查看arXiv页面 (https://arxiv.org/abs/2608.29669) 查看PDF (https://arxiv.org/pdf/2608.29669) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.29669)

通过智能助手获取此论文：

hf papers read 2608.29666

尚未安装最新CLI？ curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

暂无模型链接此论文

在模型的README.md文件中引用 arxiv.org/abs/2608.29666 即可从此页面建立链接。

引用此论文的数据集0

暂无数据集链接此论文

在数据集的README.md文件中引用 arxiv.org/abs/2608.29666 即可从此页面建立链接。

引用此论文的 Spaces 0

暂无 Space 链接此论文

在 Space 的 README.md 文件中引用 arxiv.org/abs/2608.29666 即可从此页面建立链接。

包含此论文的收藏集0

暂无收藏集包含此论文

将此论文添加至收藏集 (https://huggingface.co/new-collection) 即可从此页面建立链接。