Quantifying Imperfect Cognition Via Achieved Information Gain

Smoothness and other hyperparameter estimation for inverse problems related to d...

摘要 马尔可夫范畴是一种用于描述和处理概率论与信息论问题的新颖框架。本研究将范畴论形式体系与熵、互信息、数据处理不等式等传统量化概念相结合，证明信息论的多个量化...

The typicality principle and its implications for statistics and data science

本文构建了一个用于从纵向观察数据中进行稳健因果推断的贝叶斯框架。许多当代方法依赖于结构假设（例如因子模型）以调整未观测混杂，但当这些假设被错误设定时，可能导致有...

The typicality principle and its implications for statistics and data science

No-prior Bayes reIMagined: probabilistic approximations of possibilistic inferen...

更糟的是，当数据量达到百万级别时，这种嵌套写法性能急剧下降，调试起来更是噩梦。直到我发现了Pandas条件逻辑的向量化秘籍，才彻底告别了这个困境。

Distribution-free possibilistic inference on conditional quantities

Compressibility Measures Complexity: Minimum Description Length Meets Singular L...

下面是一份**“如何找到良好的类比映射（analogy mapping）”**的范畴论方法深度综述与落地指南，超出你前两篇论文的范围，覆盖多条技术路线与可操作的...

Possibilistic inferential models: a review

还有就是，模型量化，Densing Law发现模型压缩算法并不总能增强模型能力密度，说白了，就是量化之后，模型本身能力下降了，把这个比率拉的更高，模型能力密度才...

为解决这些问题，一个研究方向聚焦于量化 LLM 输出的不确定性。针对这一任务，已有多种事后（post-hoc）方法被提出，例如口头化置信度 Tian 等, 20...

QMamba: Post-Training Quantization for Vision State Space Models

Bayesian Methods in Machine Learning Applications and Chal-lenges

Possibilistic inferential models: a review

量化精度选择：int4 量化比 fp16 快 2-3 倍，内存占用降低约 75%，但精度会有轻微损失。对大多数 NLP 任务，int4 是最佳平衡点。int8 ...

量化交易研发的痛点：为什么你的策略总是“难产”？ ⚠ 先看一个行业现状：你的策略灵感可能只需要 1 小时，但把它跑起来？至少两周。 这不是夸张。在 2026 年...

作为首批入驻的核心应用，Tushare 数据模块现已上线！该模块由 Tushare 官方社区开发，旨在解决量化研究中“找数难、洗数慢”的痛点。