会计准则禁止将内部创造的知识和组织资本披露在公司的资产负债表上。因此，随着无形投资水平的提高，资产负债表表现出向下偏见的趋势变得更加严重。为了抵消这些偏见，研究人员必须通过资本化先前的研发和销售管理费用（SG&A）来估算这些表外无形资产的价值。在此过程中，必须假设一组资本化参数，即研发折旧率和代表长期资产的SG&A部分。我们利用企业退出时的市场价格来估计这些参数，并用它们来对1978-2017年间

基于提示的大型语言模型（LLMs）在生成多步骤问题回答（QA）的自然语言推理步骤或链式思维（CoT）方面表现出惊人的强大。然而，当所需的知识在LLM中不可用或其参数未更新时，它们会遇到困难。虽然使用问题从外部知识源中检索相关文本可以帮助LLMs，但我们观察到这种一步检索和阅读的方法对于多步骤QA是不足的。在这里，检索的内容取决于已经推导出的内容，而推导的内容可能又取决于之前检索的内容。

知识抽取是知识图谱与NLP的交叉领域；知识图谱工程可以从关系型数据库中获取知识从视觉数据获取知识,（Scene Graph Construction之前的Caption-LSTM看图说话也可以理解为从视觉数据获取知识）从文本获取知识核心就是NLP的序列标注问题，这里不再赘述；最开始先是机器学习模型HMM为主，后被深度学习模型取代BiLSTM-CRF；总结一下HMM模型即可对于网络的Head部分有这

互联网金融不会消灭银行。互联网金融（internet finance）是近些年来的一个热词。互联网便利了信息的流动，从而形成了一张去中心的扁平网络。有人据此认为，互联网技术应用到了金融行业后，会便利资金供需双方的信息流动，从而让供需双方直接进行金融交易，让金融体系也成为一张无中心的扁平网络。就期限转换这种银行的本质功能来说，并不会因为互联网技术的应用而失去其用武之地。即使信息的流动因为互联网而变得

矩母函数的推导与说明 – 潘登同学的概率论笔记文章目录矩母函数的推导与说明 -- 潘登同学的概率论笔记矩母函数的由来矩母函数n阶导是n阶距的证明经典分布的矩母函数伯努利分布二项分布泊松分布指数分布正态分布独立随机变量和矩母函数的由来考虑一个有样本空间SSS的随机变量XXX,一阶距表示随机变量XXX的期望E[X]E[X]E[X]，二阶矩表示随机变量X2X^2X2的期望E[X2]E[X^2]E[X2]

跨时期横截面的混合–潘登同学的计量经济学笔记文章目录跨时期横截面的混合--潘登同学的计量经济学笔记独立横截面的混合例子1：不同时期的妇女生育率例子2: 教育回报和工资中性别差异的变化跨时结构性变化的邹至庄检验政策分析的一般做法两时期面板数据分析失业率与犯罪率的例子破案率与犯罪率的例子两时期面板数据做政策分析的一般步骤项目发生在第二个时期的例子项目发生在两个时期的例子多于两期的政策分析多期的政策分析

OpenAI o1使用强化学习训练模型，通过Chain of Thought思维链来进行推理。但最重要的是它指出了新的方向。虽然只是思维链，模型本身没什么提升，但这意味着你可以堆算力来产出高质量的问答。然后把这些问答再喂给更小的模型。然后再用更小的模型微调大模型。然后大模型再继续cot产出更好的问答。这就是一个指数性的爆发。原本以为ai很难又再大的模型突破，但现在看来应该会沿着势头继续下去。

考虑如下劳动供给方程，hhh表示农业工人提供的年劳动小时数，www表示这类工人的平均小时工资hs=α1w+β1z1+u1(1)h_s = \alpha_1 w + \beta_1 z_1 + u_1 \qquad (1)hs​=α1​w+β1​z1​+u1​(1)其中，z1z_1z1​为某个可以影响劳动供给的可观测变量，如本县制造业的平均工资；根据不同的(小时，工资)可以画出供给曲线，如果z,uz

有时在Excel整理数据时，会把第一行写为变量名，第二行写为变量标注(label)。在导入Stata中时，第一行可以自动转化为变量名，但第二行标注会在导入时成为第一个标量。使用回归的方式来标记不包含缺失值的样本(注意是样本层面，只要有一个变量缺失，整个样本就算缺失)注意：对数转换后,系数估计值的含义会发生变化,解释结果时要慎重。计算EER：思路是将连乘积的问题转化为求和问题，对数化。是Stata

前面说到过，一阶差分可以消除非观测效应(或者固定效应)，但是他只是这些方法中的一个； 在某些情况下，固定效应变换能起到更好的作用。考虑以下简单模型yit=β1xit+ai+uit,t=1,2,…,Ty_{it} = \beta_1 x_{it} + a_i + u_{it}, t=1,2,\ldots,Tyit​=β1​xit​+ai​+uit​,t=1,2,…,T对每个iii求方程在时间上的平均