economics
PulseAugur coverage of economics — every cluster mentioning economics across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
X (推特) 用户指南：精选列表和屏蔽AI垃圾内容
作者提供了2026年如何有效使用X（前身为推特）的更新指南，强调了精选列表在管理信息流方面持续的重要性。由于X对按时间顺序排列信息流的界面越来越不友好，作者已迁移到一个单一的“全部”列表中，该列表结合了之前单独的AI、理性主义者和普通关注列表。作者还讨论了屏蔽用户的策略，特别是那些发布被认为是“垃圾”的AI生成内容的用户，除非这些内容特别有趣，以维护有价值的信息流。
-
基础模型在多智能体系统中协调以增强推理能力 · arXiv 研究
研究人员开发了一个多智能体框架，通过协调不同的模型来增强基础模型的推理能力。该系统包括生成初步草稿的求解器模型、通过结构化批评进行改进的批评智能体，以及综合最终共识的聚合器。评分模块评估解决方案的语义、数值和程序方面。实验表明，模型异质性是性能提升的关键驱动因素，而非框架架构或冗余采样，从而使准确性提高了 2.3 倍，并提高了分步推理质量。
-
新的基准测试 BehaviorBench 评估 AI 在行为科学任务上的表现
研究人员推出了一项名为 BehaviorBench 的新基准测试，旨在评估基础模型在行为科学相关任务（如心理学和社会学）上的表现。该基准测试从个体和群体层面评估模型在行为预测、策略决策、特质推断和知识应用方面的能力。与 BehaviorBench 一同推出的还有 http URL-1.5，这是一个在行为数据上微调的行为基础模型系列，与通用专有模型相比，该系列展示了更优越的分布对齐能力。
-
AI经济模式被批评加剧不平等
文章《AI的经济困境》批评了人工智能背后的经济模式，认为其当前结构使少数人受益，同时加剧了现有的社会不平等。文章指出，对AI开发中利润最大化的关注导致了财富和权力的集中，制造了“阶级战争”的局面。文章呼吁重新评估AI的经济基础，以确保更广泛的社会效益。
-
分析师称企业裁员是出于经济原因，而非AI · 已追踪2个来源
企业裁员并非出于人工智能，而是出于经济和商业原因。这一观点挑战了人工智能是导致失业的主要原因的普遍说法。焦点转移到影响就业趋势的潜在经济因素上。
-
通过 McSweeney's 文章和 YouTube 视频解释人工智能经济学 · 跟踪 10 个来源
Mastodon 上的多位用户正在分享解释人工智能经济学的资源。分享最多的内容是来自 McSweeney's Internet Tendency 的一篇题为“AI Economics for Dummies”的文章，该文章被描述为简洁而深刻的寓言式课程。此外，一个 YouTube 视频也被推荐为该主题的优秀入门读物，一位用户指出，尽管标题具有煽动性，但该视频客观地讨论了人工智能的可持续性。
-
大型语言模型评估器揭示研究发表取决于功劳和人脉
一项发表在arXiv上的新研究以经济学为案例，调查了影响研究论文在著名期刊上发表的因素。研究人员开发了一个基于大型语言模型的评估器，可以直接从文本评估论文质量，独立于作者的人脉关系。研究结果表明，虽然执行质量至关重要，但想法质量和作者人脉也起着重要作用，其中人脉关系具有轻微优势，尤其是在期刊选择性最高的顶尖期刊中。
-
用户声称AI可以解决资本主义的资源不平等问题
一位Mastodon用户认为，资本主义和经济学本身就会导致资源集中，而一个超智能的AGI有可能在没有金钱的情况下平均分配资源。该用户批评“兄弟寡头”优先考虑微不足道的AI应用，而不是开发这样一种革命性的AI，反而专注于未经同意的裸体女性和唐纳德·特朗普的宗教形象。
-
AI现在可以撰写与人类作品无法区分的金融研究论文
一项新研究表明，AI可以生成与人类撰写的论文无法区分的金融研究论文。这一能力引发了对经济学研究诚信的担忧，可能导致欺诈性或低质量研究的大规模生产。研究结果强调了需要改进检测方法，以确保学术和金融出版物的可信度。
-
作者将流体动力学、时空和经济学联系起来
Brandon Bedard 的 Substack 系列探讨了流体动力学与时空的交叉点，将天体物理现象与经济学原理进行类比。作者认为，理解这些流体原理可以为宇宙和人类社会结构带来新的见解。这次多部分探索旨在弥合科学和经济学理论之间的鸿沟。
-
高斯过程教程探讨个性化应用中的偏好学习
本文提出了一个使用高斯过程（GPs）进行偏好学习的综合框架。它将经济学和决策论的原理融入机器学习过程。该框架允许构建能够处理各种偏好场景的模型，包括随机效用模型和效用冲突的情况。