''''' '''' '''''

Silly my way... 話題がばらばらですいません

[Econometrics Papers @eBlogs]

Inference after data-driven control-unit selection in difference-in-differences with estimated covariance

Ryoya Nakano, Takahiro Hoshino
https://t.co/zRYepdvfeR [𝚎𝚌𝚘𝚗.𝙴𝙼]

[tsujimotter 日曜数学者 @tsujimotter]

「四色定理」の解説記事を再編集して公開しました！

コンピュータによる証明とは、いったい何をしているのか？
近々公開する続編への布石にもなっています。ぜひご覧ください！

四色定理の証明 〜コンピュータを用いていかに解決されたか - tsujimotterのノートブック https://t.co/mQejOFZnyJ

[あさひな @aaiashn]

Valid Causal Inference from Observational Data
https://t.co/5HmA58l15E

[柴田 淳 - 「みんなのPython」の著者・機械学習講師 @ats]

RNNは前の状態を使って次を計算するため、時間方向には順番に処理するしかない――これが長年の弱点でした。ところがこの研究は、非線形RNNを時間方向にも並列化し、3万ステップを超える長い時系列で、従来の逐次学習に対して最大870倍の高速化を報告しています。

鍵になるのがDEERという手法です。RNNを「時刻1→2→3と順番に計算するもの」として扱うのではなく、全時刻の状態を同時に満たす方程式を解く問題へ置き換えます。さらに、カオス系で計算が不安定になる問題をGeneralized Teacher Forcing（GTF）で抑え、非線形なRNNでも長い系列を並列学習できるようにしました。

ここで重要なのは、単にRNNが速くなったことではありません。TransformerやMambaなどが広がった背景には、RNNの逐次処理がGPUと相性が悪いという事情がありました。その制約がアルゴリズム側から外れるなら、「再帰モデルは表現力があるが遅い」というこれまでのトレードオフ自体が変わる可能性があります。

高速化によって、この研究はもう一つ重要な問いを検証できるようになりました。同じ量のデータを使うなら、短い時系列を大量に学習するのと、長い時系列を連続して学習するのは同じなのか、という問いです。
結果は同じではありませんでした。Lorenz-96や神経活動モデルでは、総データ量を揃えても、長い連続系列で学習したRNNほど長期的な力学構造を正確に再現しました。一方で短期予測性能は、比較的短い系列でも早い段階で頭打ちになります。

https://t.co/BjqxbVRxrn

[Peter Chen @PeterLauLukCh]

Accepted to #NeurIPS2026, we reshaped Monte-Carlo Tree Search 🙉

Introducing 2FFS, a new tree search algorithm that combines multi-fidelity bandits to resolve the fundamental trade-off: should we use cheaper, approximated evaluations, or expansive but accurate samplings?

More:

[Juno KIM @junokim_ai]

What's the best way to solve linear regression? (No, it’s not least squares.)
In our new paper, we show that principal component regression (PCR) beats, up to constants, every monotone spectral filter (incl. gradient descent & ridge regression) on every problem instance! (1/8)

[Triad sou. @triadsou]

Optimal and computationally tractable lower bounds for logistic log-likelihoods. Niccoló Anceschi, Cristian Castiglione, Tommaso Rigon, Giacomo Zanella, Daniele Durante. Biometrika. https://t.co/r6Eo3q9N5c

[Triad sou. @triadsou]

Confidence Intervals for a Proportion Estimated From Pooled Samples Based on Firth's Corrected Score. Brad J. Biggerstaff, Graham Hepworth. Biometrical Journal. https://t.co/zEeimLVQVO

[Valentin De Bortoli @ValentinDeBort1]

🔥Welcome 🔺Simplex Diffusion Models🔻!

Standard discrete diffusion models suffer from "information collapse" because they discard uncertainty at intermediate steps by sampling categorical tokens. (1/5)

[ヤスハラユウジ @dsedb]

オーケストラの全楽器を物理シミュで構成し、36パートの演奏に５時間半を費やして完成した「フィガロの結婚」
感動・・これまでオーケストラを収録一切なしの合成で作れたことってありましたかね？

[Judea Pearl @yudapearl]

If you haven't attended @eliasbareinboim's presentation at the pearl@90 symposium, I recommend you watch him now, as he takes us from classical to modern causal AI, in the age of LLM's and RL:
https://t.co/QfRci6BYCJ

[Pengzhou Wu ✈️ NeurIPS @PengzhouW]

#neurips2026 Accepted! https://t.co/AdH4z9qLci. This is the first identifiability result via concrete analysis of model symmetry of a nonlinear (and unsupervised) class, the first to admit multiple latent codes for every observation, and the first to allow discontinuous decoders.

[apam @y_apam]

昨日の演奏がさっそくオンデマンドに。
サロネン/ウィーンフィルのルトスワフスキ4番と海。シーズンオープニングの定期前半。
ムジークフェラインでの演奏会録音。
https://t.co/Tx34lALbLW

[シータ @Perfect_Insider]

賞なども受賞しているフランス人作家の詩に剽窃疑惑が出ているらしいのだが、なんとその疑惑が、彼の詩が「良寛、小野小町、源実朝の歌（！）」をツギハギして作ったという話らしいhttps://t.co/aAms1aQhCu

[佐藤 竜馬 / Ryoma Sato @joisino_]

拙著『推薦システム』が予約開始しました🎉

LLM 時代を意識して LLM の推薦アルゴリズムだけで 10 種類以上解説しています。
エンジニアの方はもちろん、なぜ X や YouTube のような大手が奇妙なレコメンドをするのかを知りたい方も必携！

今すぐチェック → https://t.co/bqmBdYUKAQ

[Stefan Feuerriegel @stfeuerriegel]

🥳New preprint: Path-specific harm decomposition: A partial identification framework
https://t.co/2SpSv1LnPx

[''''' '''' ''''' @dizzy_my_future]

先月NS InternationalでDelftからAmsterdamに移動中に直接若い女性が配って回っていて，暫くしたら戻ってきて目の前でフリーズしたんで自分もフリーズして，2分くらいしたら呆れたのか紙を回収してどこかに行ってしまった．自分の英語力だと，こんな婉曲的な言い回しされても何も答えられんて...

[TAT🇳🇱 @taxel_travel]

行きも帰りも電車の中でこの紙を置かれていったんだけど、最近こういうのまた増えてるの？
しかも往復ともに出会うなんて🙃

[daniel csillag @dccsillag]

Now accepted at NeurIPS: Functional Gradient Descent with Adaptive Representations

Functional GD algorithms generally outperform neural nets, but are hard to accurately implement.
We fix this!

[山中さわお @sawaoband]

＼ a flood of circleのトリビュートに参加！ ／

山中さわおがTHE KEBABSの皆さんと

『a flood of circle TRIBUTE ALBUM
"ハートマーク刺繍してやるよ、ちょっと忘れっぽい魂に"』

に「Rollers Anthem」で参加させていただきました。

@afoc_official
@kebabs_band