📈 economics
Changing the Game: Status-Quo Inertia, Institutional Design, and Equilibrium Transition
本文认为，当经济改革在协调博弈中面临现状惯性时，通过删除或替换选项等方式改变可行行动空间的干预措施，比边际价格激励更能有效推动均衡转变，因为前者从根本上改变了战略结构，而后者仅仅是在既有的体制内调整收益。
✓ 已审阅
作者审阅的论文
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文，都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误，或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书，但说明该解释已经过论文作者的审视。
1222 篇论文已由作者审阅 · 951–960 / 1222
⚛️ general relativity
BB plot: A Tool for Accurate Model Selection Using Bayes factors
本文介绍了贝叶斯因子 - 贝叶斯因子（BB）图，这是一种诊断工具，它利用贝叶斯因子及其在竞争假设下的分布之间的关系来验证计算准确性并高效估计背景分布，正如在引力波天文学中的应用（包括对 GW231123 的统计显著性评估）所证明的那样。
🧬 biology
How Much is Brain Data Worth for Machine Learning?
本文通过数学方法确立了缩放定律和交换率，以量化脑数据在提升机器学习模型方面的价值，并确定了任务与大脑对齐、噪声及样本量等方面的具体条件，在这些条件下收集神经记录有助于提高模型的性能和鲁棒性。
🤖 machine learning
FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings
本文介绍了 FairHealth，这是一个开源 Python 库，旨在通过提供一个统一的模块化框架来弥合医疗人工智能在低资源环境中的关键差距，该框架集成了公平性审计、隐私保护的联邦学习、低带宽可解释性，以及针对全球南方数据集的专用工具。
🔬 condensed matter
Microscopic origin of Boson peak in amorphous solids
本文提出了一种非解析模型，证明非晶固体中的玻色峰完全源于配位数的涨落，而弹簧强度的涨落主要仅贡献于阻尼。
⚛️ quantum physics
Fault-tolerant syndrome extraction in [[n,1,3]] non-CSS code family generated using measurements on graph states
本文介绍了一类通过图态和裸辅助比特方法生成的容错非 CSS 量子纠错码，证明了其在各种噪声模型下对钩形错误的鲁棒性，以及相较于现有标志比特和裸辅助比特方法的优越性能。
🔭 astrophysics
Gas Phase Distribution in the Neutral ISM: A Comparison between Observation and Numerical Simulation
本研究将 GWA 和 LAB 巡天的中性氢 21 厘米发射 - 吸收观测结果与 TIGRESS 数值模拟进行比较，确定中性星际介质由约 19.8% 的冷相、32.5% 的不稳定相和 47.8% 的暖相组成，该分布与模拟结果一致，并凸显了未来需要更灵敏的射电观测以进一步约束这些气体比例。
📊 statistics
A Call to Lagrangian Action: Learning Population Mechanics from Temporal Snapshots
本文介绍了 Wasserstein 拉格朗日力学（WLM），这是一种新颖的框架和算法，它通过最小化阻尼作用量从时间快照中学习二阶群体动力学，从而克服梯度流在准确建模周期性、涡旋动力学和集群行为等复杂现象方面的局限性。
🔭 astrophysics
A Sample of Active Galactic Nuclei with Intermediate-mass Black Holes Extended to 0.6
本文基于 SDSS DR17 呈现了一个包含 930 个中等质量黑洞活动星系核的均匀选取样本，将低质量活动星系核的红移覆盖范围扩展至，并揭示了吸积活动潜在的宇宙演化特征，即在较低红移处最大吸积率和光度呈下降趋势。
🔭 astrophysics
Deep Learning for CMB Foreground Removal and Beam Deconvolution: A U-Net GAN Approach
本文介绍了一种基于 U-Net 的生成对抗网络（GAN），该网络在逼真的普朗克类模拟数据上进行训练，能够同时去除前景污染、仪器噪声和波束卷积效应，从而成功重建高保真宇宙微波背景图，在银河系区域之外实现了低于 1% 的重建误差。