新论文登JRSS-B:量化混淆变量多强才能推翻研究结论
burny_tech · x · 2026-09-10
作者与 Chad Hazlett 合作的论文正式发表在统计学期刊 JRSS-B。论文提出了一套新的敏感性分析工具,可以精确量化:未观测的混淆变量需要多强,才能推翻研究的原有结论。
这类工具对观察性研究和如今大量依赖观测数据的 AI 实证研究都有用,能把「结论对隐藏偏差有多脆弱」变成可计算的量。
「研究」频道最新
- Judea Pearl 重发 1978 年冷门论文：谈模型复杂度与可信度 — yudapearl · 2026-09-10
- Q2D-Web 数据面:9 大领域、10 种语言、英语占 65.8% — perplexity_ai · 2026-09-10
- 果蝇全脑连接组开源后，网友用它「玩」Beat Saber——但只是过拟合回放 — dotey · 2026-09-10
- Perplexity 发布 Q2D-Web:首个面向 agentic RAG 的检索评测基准 — perplexity_ai · 2026-09-10
- Astra 攻入 Craftax 最终 Boss 墓地，作者复盘博客筹备中 — _rockt · 2026-09-10
- 斯坦福发布 RenderFormer-V2：Transformer 神经渲染支持异构场景 — Stanford · 2026-09-10