第 13 期
今日趋势
今日简报呈现两条主线：一是技术深度探索，涵盖Haskell模拟数字电路、排列平方根、指数级数变体等数学与编程范式交叉的成果，以及因果推断领域在数字孪生验证、干预分数几何和自动化推理框架上的理论突破；二是数字生态中的信任与透明度议题，从中继市场欺诈、医疗债务捐赠的公关包装，到AI总结的可靠性争议、开源AI协议的分歧，均指向对信息真实性和系统边界的批判性审视。值得关注的共性是，多个条目强调形式化验证与几何框架在因果推断中的价值，而分歧则体现在AI工具的实际效用与人类判断之间的落差，以及开源阵营内部对协议签署的立场分化。
AI 技术博客
- Digital circuit simulator in Haskell (SICP 3.3) — a@xkqr.org (kqr) 本文介绍了用 Haskell 模拟数字电路的方法，源自 SICP 第 3.3 节。作者指出 SICP 的解决方案依赖可变状态和消息传递，而 Haskell 通常避免这些，但通过巧妙设计可以接近原版。关键结论是 Haskell 也能实现类似面向对象的风格，甚至使用全局可变调度器。值得一读，因为它展示了函数式语言如何模拟命令式模式，对理解编程范式对比很有启发。
- An Inside Look at the Relay Market Powering Token Resellers and Fraud — simonwillison.net 本文揭露了中继市场如何为代币转售和欺诈提供动力。核心观点是这些中继服务通过隐藏真实交易来源，帮助不法分子绕过平台风控，形成黑产链条。数据表明此类市场每年涉及数亿美元非法交易。值得一读，因为它揭示了数字资产领域的安全漏洞和监管盲区。
- Why $550 Million Medical Debt only Cost $5.5 Million — rss@idiallo.com 文章分析了 Snap CEO 夫妇捐赠 5.5 亿美元医疗债务的新闻，指出实际捐赠金额仅为 550 万美元（百分之一），媒体却刻意强调 550 亿美元债务总额。作者认为这是公关噱头，并制作视频解释真相。关键结论是公众应警惕数字包装下的慈善宣传。值得一读，因为它教会我们如何批判性看待媒体报道中的数字游戏。
- Pluralistic: How the EU can punish Google (despite Trump) (27 Jul 2026) — Cory Doctorow 本文探讨欧盟如何在特朗普政府下仍能惩罚谷歌，引用“宁静祷文”强调改变能改变之事。关键结论是欧盟通过《数字市场法案》和《数字服务法案》等强硬政策，联合韩国、日本等国利用调查证据共同行动。数据表明欧盟的执法已促成多国对谷歌和苹果的类似诉讼。值得一读，因为它提供了跨国反垄断博弈的实战策略。
- Permutation roots — John 本文讨论排列的平方根：若存在 τ 使 τ² = σ，则 τ 是 σ 的平方根。关键结论是 σ 有平方根当且仅当其每个偶数长度循环的个数为偶数，并给出计算根数量的定理。数据示例显示 6 元素排列有 4 个根，而循环移位无根。值得一读，因为它用简洁的数学定理解决了组合学中的经典问题。
- exp_q — John 本文介绍 exp_q(x) 函数，即指数级数中仅保留指数为 q 的倍数的项，例如 exp₂(x)=cosh(x)。关键结论是可通过离散傅里叶变换得到闭式表达式，且该函数满足微分方程 y^(q)=y。数据表明 Mathematica 可用 Mittag-Leffler 函数实现。值得一读，因为它连接了微分方程、组合学和特殊函数，展示数学的统一性。
因果推断与营销科学
- Equilibrium Causal Digital Twins: Validation, Transport, and Identification Limits — Faraz Dadgostari, Neda Nazemi 本文研究均衡因果数字孪生的验证、传输与识别极限。对于含反馈的系统，数字孪生需再现均衡反事实，但机制变化后可能失效。作者给出了均衡因果博弈中预测可被验证和传输的条件，并指出均值和协方差的一致性不足以推断分布，引入循环选择图为直接复用和混合模型提供标准。还构造了反例说明验证需要结构假设，并提供了线性模型下的干预要求和统计检验。值得读是因为它系统揭示了数字孪生在不同域间迁移的理论边界，为实际应用中的模型验证与传输提供了严谨指导。
- Interventional Score Geometry for Causal Inference — Mojtaba Eslami 本文提出干预分数几何，用于因果推断的几何框架。作者指出仅基于观测分布和分数场的几何无法识别因果方向，因为不同结构模型可共享相同观测分布。通过定义干预下的分数场，将因果影响表示为干预边际分布随干预值的变化，并引入干预响应场和因果度量（Fisher信息度量）。双变量高斯示例表明，两个模型观测分数相同但干预分数导数不同。值得读是因为它统一了随机试验、工具变量和条件独立设计的几何解释，澄清了各设计能识别什么、不能识别什么。
- Learning Bidirectional Causal Interactions with Heteroscedastic Neural Networks — Masahiro Tanaka 本文提出SEM-DNN，一种异方差神经同时方程估计器，用于从观测数据学习双向结构交互。该方法利用条件协方差对角化识别结构系数，无需外部工具变量。通过联合估计非线性结构均值和特征依赖方差，并使用对角高斯拟似然。模拟实验表明，在高维非线性非高斯设定下，SEM-DNN比参数化、核方法和单独方程神经网络更可靠地恢复结构效应，但计算成本更高。应用在即食麦片价格-销售反馈中展示了方法实用性。值得读是因为它解决了双向交互估计中缺乏工具变量的难题，为因果推断提供了灵活的非线性工具。
- Interventional Score Geometry for Causal Inference — Mojtaba Eslami 本文提出干预分数几何，用于因果推断的几何框架。作者指出仅基于观测分布和分数场的几何无法识别因果方向，因为不同结构模型可共享相同观测分布。通过定义干预下的分数场，将因果影响表示为干预边际分布随干预值的变化，并引入干预响应场和因果度量（Fisher信息度量）。双变量高斯示例表明，两个模型观测分数相同但干预分数导数不同。值得读是因为它统一了随机试验、工具变量和条件独立设计的几何解释，澄清了各设计能识别什么、不能识别什么。
- CausalForge: A Formally Grounded, Self-Improving Agentic Framework for Automated Research in Causal Inference — Jiyuan Tan, Vasilis Syrgkanis 本文提出CausalForge，一个基于Lean证明助手的自动因果推理研究框架。包含Causalean库（7035个机器检查的声明）和CausalSmith自改进管道，后者自动选择主题、提出结果、形式化陈述并构造证明。由于机器验证仅确保形式语句从假设推出，管道还包含语句审计，比较形式定理与原始非正式声明。评估显示系统能产生可验证的完整研究工件。值得读是因为它开创了自动化理论因果推理的新范式，通过严格形式化避免LLM评审的不可靠性，结果可重复且可审计。
- Weighted Extensions of the Kolmogorov-Smirnov, Cramer-von Mises, and Anderson-Darling Tests for Assessing Covariate Balance — Ariel Linden 本文将Kolmogorov-Smirnov、Anderson-Darling和Cramer-von Mises三种分布拟合优度检验扩展到加权数据，用于因果推断中的协变量平衡评估。方法采用标签置换推断，无需假设权重来源。模拟研究表明，在样本量1000-4000且权重变异较大时，三种加权检验均能良好控制第一类错误，且保持了未加权版本各自的优势：KS对中心位置差异最敏感，AD对尾部差异极敏感，AD和CVM在弥散差异上表现相近。建议将AD作为通用默认检验。值得读是因为它填补了加权数据下分布平衡检验的空白，并提供Stata命令，便于实际应用。
即刻简报
- 发布了: Hugging Face 还专门给 Kimi K3 做了一个开源预告的倒计时页面： huggingface.co/moonshotai/Kimi-K3 — 即刻·歸藏 Hugging Face 为 Kimi K3 制作了开源预告倒计时页面，暗示即将开放模型。这表明 K3 可能成为重要开源项目。值得关注，因为倒计时页面通常意味着重大发布。
- 发布了: 上周 ChatGPT Health 的功能向美国用户推出了，我试了一下，这东西非常顶啊！ 即使你没有美国其他的健康应用，只是有 Apple Watch 的一些健康数据，它也… — 即刻·歸藏 作者试用了 ChatGPT Health 功能，结合 Apple Watch 数据，发现它能准确分析“有氧适能”低是因为运动类型不匹配，而非身体问题。关键结论：GPT 可深度挖掘长期被忽略的健康数据，并检索权威信息。建议用户开启此功能，或设置每周健康报告。值得读，因为展示了如何让 Apple Watch 数据发挥更大价值。
- 发布了: 最近《恐怖游轮》重映，为了和朋友讨论清楚剧情到底是怎么回事，用 Codex 做了一个角色动态路线说明。🧐 ▶ 访问链接：https://ringhyacinth.github.i… — 即刻·海辛Hyacinth 为帮助朋友理解《恐怖游轮》复杂剧情，作者用 Codex 制作了角色动态路线说明图，并公开分享。关键结论：该工具可直观展示角色轨迹，理清时间循环逻辑。值得读，对看完电影仍感困惑的观众能提供清晰解答。
- 转发了: 一条动态 — 即刻·瓦恁 作者开发了本地优先的代码审查工具 Duetlens，核心是与 agent 协同审查，支持 GitHub PR 和本地分支，可对 agent 发现的问题进行追问、编辑或剔除，最终汇总结论。关键结论：工具已发布首个正式版本，永久开源。值得读，因为解决了 AI 代码审查中人类 reviewer 的参与和审核痛点。
- 发布了: 我们所熟知的所有美国和一些欧洲的 AI 生态公司全都签署了这个协议（支持开源 AI 生态的协议）， 即使是 OpenAI 和 SpaceX AI也签了，只有一家没签，你… — 即刻·歸藏 几乎所有知名美国及欧洲 AI 公司（包括 OpenAI）都签署了支持开源 AI 生态的协议，仅一家未签。核心观点：该未签公司可能面临孤立或争议。值得读，点明了当前开源 AI 阵营的明确分界线。
- 发布了: 看到一个英文播客，觉得应该意思不大，用Gemini总结了下 过了几天朋友说这期实际上很好，值得听，于是听了一遍tmd跟AI总结相去甚远 AI总结针对长内容确… — 即刻·瓦恁 作者曾用 Gemini 总结一个英文播客，觉得一般，但后来亲自听后发现 AI 总结与内容相去甚远。关键结论：AI 对长内容总结目前仍不准确，会给人“已了解”的错觉。值得读，提醒用户不要过度依赖 AI 总结，尤其是深度内容。
- 发布了: 如果我是 BAT 的一把手，我会这么取名 字节：豆包 + 豆包办公 阿里：千问 + 千问办公 腾讯：微信 + 微信办公 可惜我不是 — 即刻·玉伯 作者设想若自己是 BAT 一把手，会采用“产品名+办公”的命名方式，如豆包办公、千问办公、微信办公。核心观点：简洁统一的命名能强化品牌认知。值得读，提供了一种有趣的命名思路。
- 发布了: 最近已经有两个从AI明星创业公司/大厂出来的朋友 找我咨询自媒体了 — 即刻·AI产品黄叔 最近有两位从 AI 明星创业公司或大厂离职的朋友找作者咨询自媒体。核心观点：AI 行业人才正流向自媒体领域。值得读，反映了行业人才流动新趋势。
本期有 8 个源不可用：lcamtuf.substack.com、garymarcus.substack.com、rachelbythebay.com、joanwestenberg.com、dfarq.homeip.net、gwern.net、worksonmymachine.substack.com、tedunangst.com。