标签
本文针对所有簇大小 M≥2 的过拟合高斯混合模型，证明了关于密度抵消阶数的 Ho–Nguyen 猜想，推导出精确的最大似然指数与局部极小极大收敛速率，并将该系数框架应用于混合专家模型中的可识别性问题。
本文提出一种针对小样本场景下缺失质量与未见物种计数估计的“脆弱性感知”正则化框架，通过严格凹的熵-KL优化提供闭式解，作为对 Good-Turing 等经典估计器的轻量级修正，在长尾、单例主导的小样本场景中显著提升稳定性。
AI 看似无处不在，但美国 98% 的家庭尚未为 AI 付费，反映出消费端变现仍处于早期阶段。
本文研究模型误设下的有界回归问题，分析了符号下注回归估计器在 L1 度量下的高概率预言不等式，并证明了适当学习的最优通用近似因子为 3。
Show HN：一个交互式网络实验，测试用户的选择究竟有多随机，托管在 lab.specr.net 的 rigged-draw 页面上。
Eli Bendersky 的博客文章通过简单、动手的实例讲解蒙特卡罗模拟，包括用投掷飞镖估算 π 的值，以及通过模拟纸牌游戏 SET 来回答组合概率问题。
一篇发表于《Breakthrough》杂志的评论文章指出，哈佛大学一系列将居住在核电站附近与更高癌症死亡率联系起来的研究，依赖的是有缺陷的“距离评分”方法论；该评论表明，用同样的方法会荒谬地把数千例癌症死亡归因于居住在Costco超市、大学或棒球场附近。
Velocity Radar 是一款测量真实 GitHub 动态的工具，覆盖公共和私有仓库，提供节奏、分析和持久性功能，专为开发者和 AI 代理指挥官设计。
本研究以编码代理重现Eurostat统计数据为基准进行评估，发现语义验证和重试预算对可靠性至关重要，远不止于执行诊断。
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。
一本由彭丁撰写的免费490页因果推断教科书，涵盖从相关性到纵向数据的各种主题，并附有R代码和数据集。
本文描述了两项预设的经验测试，用于评估相位衍生特征是否能提高承诺或矛盾端点的预测精度，但结果显示与基线模型相比没有显著改进。
一个实时仪表板，用于计数和显示 Hacker News 上的 AI 相关标题，每次出现新的 AI 标题时都会重置计时器。
对热门 GitHub 仓库中修复提交比例的分析发现，平均修复比例约为 10%，略低于作者之前在生产软件中观察到的 15%。
本文批判了反对科学实在论的悲观元归纳论证，通过利用频率统计和机器学习中的收敛概念，表明普通归纳能实现收敛，而元归纳则失败。
这条推文宣布了《Introduction to Modern Statistics》的第二版，这是一本开源教科书，可以免费在线阅读或以自定义价格获取PDF。