标签
该论文提出超越准确率评估agentic数据科学系统的方法,通过220项任务的大规模失败模式分析、可复用测试套件和与Kaggle专家方案的定性对比,发现多数agentic解决方案存在方法论缺陷(如数据泄漏),且数据泄漏与预测性能正相关。
Kirk Borne 分享并推荐了教材《Bayes Rules!: An Introduction to Applied Bayesian Modeling》,该书由 Alicia A. Johnson、Miles Q. Ott 和 Mine Dogucu 编写,涵盖共轭先验、MCMC、回归与层级模型,并配有 bayesrule R 包。
Michele Coscia 和合作者利用 LIST(拉丁铭文时空数据库)估算罗马帝国各行省的职业分布,并在校正身份偏见、性别偏见与史学偏见后计算其经济复杂度,成果发表于 npj Complexity。本文是该论文的博客解读,介绍数据、方法与主要发现。
博客文章回顾了 R 语言中管道操作符(%>% / |>)的历史,从 2012 年 StackOverflow 上的提问、Ben Bolker 的首个实现,到 dplyr 中 chain 与 %.% 操作符的引入与发展。
Adobe 论文提出了一种评估方法:让代码在每次运行时从实时数据中重新计算正确答案,再以此作为评判依据。在 53 个测试用例上,AI 评分器的表现比基于文字描述的评分方式高出 29%,且 token 用量减少 16%。
O'Reilly 的一篇介绍《Agentic Data Science Playbook》(智能体数据科学操作手册)的文章——AI原生数据科学家如何将分析任务委托给AI智能体,同时负责设计工作流、验证机制和反馈闭环。文章使用修改过的 Elliptic 比特币欺诈数据集进行实验:Claude Opus 5.0 最初报告了虚高的结果(F1 达 0.87),原因是一个时间切分错误以及一个人为植入的泄漏特征;在获得正确的引导后,修正后的性能下降至 F1 为 0.70,在高节点度数节点上的召回率仅为 0.21,这说明专家监督仍然至关重要。
本文介绍了ORCA,这是一个全面的基准,用于评估LLMs在数据科学代码翻译任务上的表现,强调了挑战并提出了一种意图增强的方法来提高性能。
SmolDataEnvs现已发布,这是一套包含5000个可验证RL环境任务的集合,专注于代码和数据科学领域的小型模型训练,完全开源。
本文详细介绍了如何在 Haskell 中为 DataHaskell/Dataframe 库实现 Parquet 文件写入器,以实现高效的数据序列化并与数据科学生态系统互操作。
这篇文章推广了一个免费的关于用Python构建AI的实时工作坊,为数据科学家提供了转型为AI/DS系统构建者角色的路线图,并包含实际演示。
作者分享了过去为了在大规模场景下实现高质量的令牌级分类,而探索高效单专家加载方法的经历,呼应了Maxime Rivest关于特定领域专家模型实用性的观点。
Khipu指南是一个基于网络的资源,提供对超过600个印加khipus的详细符号渲染和交互式分析,旨在通过计算方法和数据科学使khipu研究民主化。
TabPFN-3.5 发布,声称在 IID 小数据设置之外为表格数据提供最先进的性能,具有处理分组和时序数据、不确定性校准以及更快推理等功能。
MIT CSAIL分享了一份面向初学者的统计学指南,为数据科学和人工智能提供基础教育内容。
本文质疑,尽管人工智能取得进步,但美国和欧盟的劳动统计及ICT专业人员增长预测显示,软件工程岗位数量为何仍远超数据科学岗位。
本文介绍了Calendar-SPCA,一种用于多周期电力消耗曲线的可解释表征学习的日历结构稀疏主成分方法,展示了在增加稀疏性和一致性的同时保持高解释方差。
一位用户分享了使用最先进的LLM分析十年午餐数据的见解,突出了关于开支和常见餐厅的有趣发现。
本文介绍了StatFormBench,这是一个用于评估LLMs在统计问题表述上的基准测试,发现当前模型在分类问题和识别变量方面存在显著局限性。
DS-Lighting是一个统一的工具链套件,它使工具链设计在数据科学自动化中变得显式,从而提高端到端工作流的可重复性、可比性和可靠性。
本文首次应用数据科学,利用自然语言处理技术评估英国荣誉系统,并引入一种新型情感分析算法Minos,以评估公众对荣誉获得者的意见。