Yu Zheng

Ph.D. in Environmental, Energy and Resource Economics and Policy

[Yu Zheng @cnyuzh]

Wrapped up #icRS2026 in Cebu.

Grateful to have presented my ongoing work and exchanged ideas with scholars working on resource sustainability, environmental governance, and policy design.

Leaving with thoughtful feedback, new questions, and fresh motivation.

[0xqiuqiu @0xqiuqiuu]

开工了，学习斯坦福大学 《Vibe Coding 课程》，再不学习饭碗真的要被 AI 替代了
https://t.co/hF51iJl1TT

课程编号 CS146S《The Modern Software Developer》，持续 10 周，依次讲解了提示词工程、Agent 架构、MCP、上下文工程、安全攻防、Code Review、自动做 App 和上线运维。

[Scholarship for PhD @ScholarshipfPhd]

Enjoy!

Download Link: https://t.co/oaEKaJOWXZ

[Geek Lite @QingQ77]

解决学术界在 AI 辅助写作方面存在的“隐形资源”不平等问题

项目作者调研了MSRA、Seed、SH AI Lab等顶尖研究机构以及北大、中科大、上交等高校的硕博研究生，将他们日常使用的写作技巧整理成了Prompt模板库和Agent Skills，以帮助科研人员节省在Prompt调试上的时间，将精力集中在真正的科研上

https://t.co/yrq7SLf8iI

[Ashlyn He @AshlynHe1129]

我这两年慢慢意识到，一个人真正开始变强，往往不是因为更聪明了，而是两种“聪明”开始合流了。

一种是 book smart。
它很容易理解，指的是受过良好教育、擅长理论、逻辑清晰、路径清楚的人。读好学校，写好论文，擅长分析问题，做决定时更相信模型、方法和推演。这类人通常走的是一条相对顺的精英路径，气质偏书卷，做事讲秩序、讲正确性。

另一种是 street smart。
它更多来自现实世界的反复摩擦。知道人是怎么想的，事情是怎么被真正推动的，什么时候该退一步，什么时候该强一点。它不太依赖理论，而依赖经验、直觉和判断力，更接地气，也更懂得在复杂环境里存活。

我以前明显更偏向前者。
从小到大一路顺风，名校毕业，刚进入社会时，看问题很容易停留在“应该怎样”“逻辑上怎样才对”。这其实是很多高学历背景的人都会有的状态，脑子很清楚，但脚不一定踩在地上。

后来在英国工作时，这种感受被放大了。
我在一家牛津大学孵化的 AI 初创团队里工作，团队几乎清一色是牛津、剑桥的博士，我的老板是牛津教授兼院士，顾问里甚至有诺奖得主、Top院校荣誉校长。整个配置非常漂亮，也非常“fancy”。但越往里走，我越能感觉到一种漂浮感。讨论很多，理念很宏大，但业务推进并不快，现金流也很紧张，更像一群人在用创业的形式做学术延伸，而不是用身体去跑市场。

回国之后开始自己做项目，反差非常明显。
我接触到的一些深圳团队，学历背景未必耀眼，但对市场的理解极其敏锐，做事非常具体，现金流清晰，知道客户是谁、钱从哪来、下一步要干什么。那是一种很强的 street smart 气质，谈不上浪漫，却极其有效。

这两种风格并没有绝对的高下。
book smart 能把事情想得远、想得深，street smart 能把事情真正落到地上。问题在于，如果只剩其中一种，都会有明显短板。只有理论，很容易空转；只有江湖经验，也容易走不远。

我现在反而更清楚自己想成为什么样的人。
不是放弃原本的书卷气，而是在此之上补上对人性、现实和细节的理解；不是否定接地气的生存智慧，而是给它一个更长远的方向。

能把书读明白，也能把事做明白。
既看得见结构，也摸得到泥土。
我越来越觉得，这种融合，才是一个人真正成熟、真正有力量的状态。

[Crémieux @cremieuxrecueil]

One of my favorite papers in recent years included this diagram.

It shows the impact of controlling for three different types of variables: confounders, colliders, and mediators.

With confounders, control is good. With the others, you ruin your result by controlling.

[QJE @QJEHarvard]

#QJE Aug 2025, #3, “Structural Estimation Under Misspecification: Theory and Implications for Practice,” by Andrews, Barahona (@NanoBarahona), Gentzkow, Rambachan (@asheshrambachan), and Shapiro: https://t.co/Xx6WmD8qdT

[John B. Holbein @JohnHolbein1]

This looks a must read for those interested in triple differences (DDD) designs.

It shows that the standard way many estimate DDD is wrong.

It shows why and gives you tools that work with covariates and staggered adoption.

Bonus: free R package.

[Econometrics Papers @eBlogs]

Better Understanding Triple Differences Estimators. https://t.co/A2TwMGsMUF

[Econometrics Papers @eBlogs]

Treatment Effect Heterogeneity in Regression Discontinuity Designs. https://t.co/JicItV9Mcy

[Glowin @glow1n]

LangChain 官方团队发布了一份名为 「Agents From Scratch」 的完整教程，手把手带你快速上手 Agent。

以前，你可能觉得 Agent 技术很“重”，需要啃大量论文。
现在，你只需要跟着这份官方指南，就能快速搭建起自己的 Agent 原型。

GitHub 链接直达：
https://t.co/OpdFz1JRYI

🌱 你能从中学到什么？

🤖 Agent 的核心循环 (Core Loop)：
理解 Agent 是如何像人一样思考、行动、观察、再思考的。

🛠️ 工具的定义与使用 (Tools)：
学会如何让 Agent 能调用外部 API 或数据库，比如查询天气、搜索信息。

🧠 ReAct 框架的精髓 (Reason + Act)：
掌握当前最主流的 Agent 思考模式，学习如何让 LLM 自我推理和决策。

🗨️ LLM 输出的解析 (Output Parsing)：
解决那个最头疼的问题：如何稳定、准确地从 LLM 返回的文本中提取出下一步的行动指令。

💾 状态与记忆管理 (State Management)：
让你的 Agent 拥有记忆，能够处理多轮对话和复杂任务。

你最想用 Agent 技术来解决什么具体问题？
或者打造什么样的产品？
评论区聊聊

[AI Will @FinanceYF5]

这是一本精彩、视觉震撼的深度学习免费入门书籍。

强烈推荐给那些想了解基本概况的好奇人群。

[ZenHuifer @ZenHuifer]

软著申请写不动？
我做了个工具，输入👇
🔹 软件名称
🔹 功能描述
一键生成申请内容，格式全都有。
不求人，零压力，直接拿去交。
https://t.co/RYpAuIwZeg

[Asjad Naqvi @AsjadNaqvi]

A 🧵 on the ☀️Summer of 2025 #DiD reading list:

Quite some authors have recently released new papers or updated their older ones. So here is a reading list dump in reverse chronological order:

👉 Clément de Chaisemartin, Xavier D'Haultfœuille (June 2025). Credible Answers to Hard Questions: Differences-in-Differences for Natural Experiments.
https://t.co/t2M6EjhGZs

👉 Andrew Baker, Brantly Callaway, Scott Cunningham, Andrew Goodman-Bacon, Pedro H. C. Sant'Anna (Jun 2025). Difference-in-Differences Designs: A Practitioner's Guide.
https://t.co/lax7Eb2jSA

👉 Partha Deb, Edward C. Norton, Jeffrey M. Wooldridge & Jeffrey E. Zabel (May 2025). A Flexible, Heterogeneous Treatment Effects Difference-in-Differences Estimator for Repeated Cross-Sections.
https://t.co/AfnjH6tPJW

👉 Andrea (May 2025). Distributional Difference-in-Differences Models with Multiple Time Periods.
https://t.co/MZtHOtG9S0

👉 Marcelo Ortiz-Villavicencio, Pedro H. C. Sant’Anna (May 2025). Better Understanding Triple Differences Estimators.
https://t.co/xfylYxt8Fd

👉 Takamichi Baba, Yoshiyuki Ninomiya (May 2025). Covariate balancing estimation and model selection for difference-in-differences approach
https://t.co/bhdx4tfGSl

👉 Luis Alvarez, Bruno Ferman, Kaspar Wüthrich (Apr 2025). Inference with few treated units.
https://t.co/PS1yPqDjo5

👉 Yixiao Sun, Haitian Xie, Yuhang Zhang (Mar 2025). Difference-in-Differences Meets Synthetic Control: Doubly Robust Identification and Estimation.
https://t.co/wd8oS2GbKY

👉 Dor Leventer (Feb 2025). Conditional Triple Difference-in-Differences.
https://t.co/jmHGulE67z

👉 Sho Miyaji (Jan 2025): Triple Instrumented Difference-in-Differences.
https://t.co/Q21joA8IPu

👉 Myungkou Shin (Jan 2025). Finitely Heterogeneous Treatment Effect in Event-study.
https://t.co/zi47GnvFHy

👉 Clément de Chaisemartin, Xavier D'Haultfœuille (Nov 2024). Difference-in-Differences Estimators of Intertemporal Treatment Effects.
https://t.co/hv5Irtc3pz

👉 Sunny Karim, Matthew D. Webb, Nichole Austin, Erin Strumpf (Oct 2024). Difference-in-Differences with Unpoolable Data.
https://t.co/Rj22D3CUPK

👉 Dmitry Arkhangelsky, Guido Imbens (Jun 2024). Causal Models for Longitudinal and Panel Data: A Survey.
https://t.co/RiB7zgyTAE

👉 Renan Serenini, Frantisek Masek (Feb 2024) Spatial Synthetic Difference-in-Differences.
https://t.co/TL1mjuCGnG

And just discovered this one from 2023:

👉 Soo Jeong Lee, Jeffrey M. Wooldridge (Jul 2023). A Simple Transformation Approach to Difference-in-Differences Estimation for Panel Data.
https://t.co/u8xi2JdPqL

An observation: We are getting more and more theory paper but little on implementation. Hopefully some new packages will also be made available soon.

[Yu Zheng @cnyuzh]

also warn p-hacking

[John B. Holbein @JohnHolbein1]

a classic

[Journal of Environmental Economics and Management @JEEM_tweets]

The Journal of Environmental Economics and Management (JEEM) is delighted to support four international academic conferences in 2025:

#econtwitter

[Cambridge University Press - Politics @CUP_PoliSci]

China's State-Owned Enterprises by Wendy Leutert
An original study of the role of leadership in state-owned enterprises in economic reform in China.
📚 https://t.co/pB4byEMPD4

[Yu Zheng @cnyuzh]

@mattkahn1966 thx God

[Jon Mellon @jon_mellon]

Out now open access at @AJPS_Editor. 194 potential exclusion-restriction violations for studies using weather as an instrumental variable https://t.co/xaeDQX3KCs

[Yu Zheng @cnyuzh]

@Heewon__Lee @UGA_PA_Policy BIG congrats！