标签
本文介绍了目标加权Neyman分配（TWNA），一种两阶段分层实验设计，通过优化各组和各处理臂的样本分配，提高人口迁移下目标加权组平均处理效应的估计精度。
一条推文，宣传 Maxwell、Delaney 和 Kelley 合著的统计学教材《Designing Experiments and Analyzing Data: A Model Comparison Perspective》第三版，重点介绍了该书的教学特色和作者的学术资历。
本文提出了PC-MCMC-CIGP，这是一种灰盒工作流，结合了spike-and-slab拓扑采样、物理约束和化学信息高斯过程用于反应网络发现。该方法在苯乙烯环氧化反应中提高了产率，并在氢-溴基准测试中区分了基本反应路径与欺骗性拟合。
本文研究了一种用于微预训练的分阶段提升协议，使用从分钟到小时递增的预算来筛选配置。研究发现，早期筛选是有用的但不稳定，并且分阶段方法可以保留长期参考，同时识别出未能通过继续阈值的替代方案。
本文介绍了Cartograph，一种为AI科学家设计的验证层，它结合了子空间实验引导、模糊性解析和库不充分检测。该框架在自主发现测试平台上优于基线，并回顾性地标记了A-Lab材料系统中不明确的声明。
本文提出了一种适用于预算受限微预训练的分阶段因子筛选工作流，表明短期的设计实验能够识别稳定的超参数惩罚方向，并支持“筛选-优化”策略。
ScienceClaw 是一个集成 285 项科研技能的 AI 助手框架，将科研全流程模块化封装成 Skill，支持接入 PubMed、Semantic Scholar、ArXiv 等数据库，提供文献检索、论文精读、引用分析、实验设计辅助和写作辅助等功能，适合高阶用户深度定制。
本论文通过比较 LLM 生成的数据与人类在准确性感知调查中的反应，评估现成 LLM 是否能可靠地模拟受控行为实验中的人类反应。研究发现，虽然 LLM 能捕捉方向性效应和聚合信念更新模式，但它们的效应大小与人类尺度不一致，这有助于澄清合成 LLM 数据何时可以作为行为代理。