Artificial Intelligence Company
PulseAugur coverage of Artificial Intelligence Company — every cluster mentioning Artificial Intelligence Company across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究探讨高维网络中的变量选择
一篇新的研究论文探讨了在高维网络中选择相关变量的方法，特别是在底层模型可能被误设的情况下。该研究展示了岭参数如何影响均方误差，从而降低测试方差并更全面地识别邻域。它将这些发现与双重下降等机器学习概念联系起来，表明在具有众多参数的模型中，模型空间的体积应被纳入惩罚项中，以实现准确的邻域选择。
-
新的贝叶斯框架高效选择MGRM的维度
研究人员开发了一种新颖的自适应贝叶斯维度选择框架，用于多维概率等级反应模型（MGRMs）。这种新方法利用累积有序spike-and-slab（COSS）先验，能够有效地收缩冗余的潜在维度，同时保留活跃的维度。该方法采用Albert--Chib潜在反应增强和Gibbs更新来实现高效的自适应采样器，在模拟研究和现实世界的心理评估数据中，其表现优于传统的固定维度估计和模型选择程序。
-
特拉华州提议为监管沙盒中的AI代理商设立新的法律实体
特拉华州正在提议设立一种名为人工智能公司（AIC）的新法律实体，以管理自主运行的AI代理商。这一新结构旨在为AI代理商参与合同、交易和承担义务提供清晰的法律框架，使其行为可追溯且负责。AIC将在一个为期30个月的监管沙盒中运作，由州官员和技术专家组成的委员会监督，并指定一名成员负责资本化，除非发生欺诈或故意违规行为，否则该成员免于承担责任。该倡议旨在为代理商业建立一个国内法律归属地，防止其转移到海外，并确保在美国法律传统内实现问责。
-
新框架通过贝叶斯变量选择增强因子分析
研究人员开发了一个新的框架，用于在使用变分贝叶斯变量选择的部分探索性因子分析（PEFA）中评估和选择因子数量。这种称为PCFA VA的方法采用spike and slab先验来识别未指定的载荷，然后将收敛的解转换为协方差模型。该框架提供了拟合评估的诊断方法，包括RMSEA等绝对拟合指数和AIC、BIC等相对标准，并提出了一个新的无标度增益规则来确定正确的因子数量。模拟表明，该方法能够准确地恢复真实维度，并且优于验证性模型，这一点通过应…
-
改进遗传编程在符号回归中的新方法
研究人员开发了新的方法，通过采用描述长度（DL）和分数贝叶斯因子（FBF）标准来改进遗传编程在符号回归中的应用。这些标准有助于选择简洁且可泛化的表达式，从而缓解过拟合和结构膨胀问题，尤其是在存在噪声数据的情况下。该研究比较了不同的搜索和选择策略，发现使用DL/FBF进行后选择比传统的AIC/BIC基线能提高测试性能，而直接使用DL/FBF作为适应度函数可能导致过早收敛。
-
中资银行寻求AI试点扩围，科技融资和制药股飙升
中资银行正在倡导扩大金融资产投资公司（AIC）试点计划。此举旨在利用AIC牌照克服传统贷款限制，并通过股权和债务投资相结合的方式支持科技公司的增长。推动AIC扩围的动力在于需要长期资本来培育经济中的新生产力，特别是在科技和创新领域。
-
城商行寻求AMC牌照，Stack Infrastructure 考虑 300 亿美元亚洲业务出售
几家中国城商行正寻求批准设立资产管理公司（AMC），但尚未获得授权。AMC 的扩张目前侧重于国有银行和股份制银行，是否纳入城商行有待进一步观察其运营表现。与此同时，由 Blue Owl Capital 拥有的数据中心公司 Stack Infrastructure 据报道正在探索出售其亚洲业务的选项，潜在估值可能超过 300 亿美元。
-
AI方法增强了线性回归模型中的变量选择
研究人员开发了一种新颖的人工智能方法，用于线性回归模型中的变量选择。该方法利用一个人工神经网络（ANN），该网络经过训练，可根据普通最小二乘（OLS）估计值评估变量的重要性。一项模拟研究证明了ANN的准确性，并将其性能与前向/后向选择、AIC、BIC和LASSO等传统技术进行了比较。该方法还通过世界卫生组织关于预期寿命的数据集进行了说明，并在GitHub上提供了代码和预先训练的ANN。