经济学
经济学领域今日呈现两大主线：博弈论机制设计与因果推断方法创新。以下为12条热点要点：
- 机器学习竞赛“基准作弊”博弈模型：通过博弈论分析发现，低能力参赛者倾向于投入机械性努力（作弊）而非提升模型泛化能力，存在对称单调纯策略均衡；更倾斜的奖励结构（偏向顶尖选手）能有效抑制作弊，优化竞赛设计。
- “输家合约”促进多玩家合作：提出预博弈机制，要求玩家在背叛时不可逆地减少自身效用，从而在n人囚徒困境中诱导联合合作成为唯一强纳什均衡，无需依赖玩家间支付转移，并扩展至公共物品博弈。
- 算法特征高亮辅助人机协同：针对复杂决策，研究算法如何高亮少量关键特征辅助人类。发现针对理性代理优化高亮策略不可行，而针对朴素代理的策略更稳健，基于美国住房调查验证了实用价值。
- 空间处理因果推断新方法：从实验视角出发，通过比较实际处理位置与反事实候选位置估计因果效应，并利用机器学习寻找候选位置。应用于COVID-19期间杂货店对附近商户客流影响，发现极短距离内效应显著为正。
- 最优运输法解决动态误设模型：提出基于最优运输的序贯方法，解决状态空间模型动态误设时的滤波不一致与参数估计偏差，推导出线性过程闭式算法，并在DSGE、利率期限结构等应用中验证有效性。
- 资源节约行为干预零溢出效应：自然田野实验（2000+居民）发现，淋浴用水实时反馈干预显著减少用水，但空调节能干预无直接效果；精确估计显示节水与节能行为间无溢出效应，支持行为干预的领域特异性。
- 在线分布回归兼顾精度与效率：结合LASSO在线估计与GAMLSS框架，适用于大规模流式数据概率预测。在日前电价预测中保持竞争性能并大幅降低计算成本，已实现为Python包“ondil”。
- 串行配额机制的非帕累托最优诚实性：证明在无货币交换下，串行配额机制是唯一满足策略证明、非霸道和中立性的分配机制，即使不要求帕累托最优，揭示了诚实机制在公平分配中的局限性。
- 在线多元正则化分布回归：提出算法结合坐标下降与LASSO正则化，高效建模24小时日前电价的均值、方差及依赖结构，在德国市场生成校准良好的联合预测区间，开源实现于ondil包。
- 高维符号约束SVAR高效推断：基于重参数化方法，通过连续可微映射施加不等式约束，采用哈密顿蒙特卡洛算法降低马尔可夫链序列相关性、提高有效样本量，实证优于现有方法。
- 干扰存在时因果识别新解：证明在任意干扰下，标准无干扰假设的因果识别公式仍能识别“平均直接效应”，无需了解干扰结构，并开发了量化处理分配独立性违反程度的敏感性分析框架。
- 随机查票制下公共交通票价设计：提出激励相容方案，乘客策略性选择路线或购买部分票。基于华盛顿地铁数据，维持现有票价逃票损失超59%，调整后降至20%以下且无需提价。