U.S. Territories: Coordinated Federal Approach Needed to Better Address Data Gaps
GAO 的发现联邦统计产品中美属萨摩亚、北马里亚纳群岛联邦 (CNMI)、关岛、波多黎各联邦和美属维尔京群岛 (USVI) 的数据经常存在缺口。例如，在国家农业统计局向政府问责局报告的 52 种统计产品中，只有农业普查包括领土。在美国劳工统计局报告的 21 种产品中，没有一个产品包含美属萨摩亚或北马里亚纳群岛联邦，而波多黎各则包含在其中最多的产品中——有 4 种。美国政府问责局还发现，即使领土被纳入联邦统计产品，与美国其他地区相比，领土数据的及时性和质量衡量也可能存在差异。造成数据差距的因素有几个。下图说明了这样一个因素，即基于较小司法管辖区抽样的统计产品必须对更高比例的人口进行抽样，才能达到
Economic Development: Additional Training Could Help Small Lenders Implement Technology
GAO 的发现社区发展金融机构 (CDFI) 是向服务不足的社区提供金融产品和服务的贷款机构，而可被认证为 CDFI 的少数族裔存款机构 (MDI) 通常是主要由少数族裔个人拥有的银行或信用合作社或服务少数群体。根据政府问责局对 CDFI 和 MDI 的调查，许多小型 CDFI 和 MDI 报告称，他们缺乏提供在线服务或承保贷款、管理运营和更有效地开展外展所需的技术。一些小型机构的政府问责局官员表示，他们的技术有限，例如缺乏提供移动银行服务的能力，限制了他们为服务不足的社区提供服务的能力。 GAO 的一项调查显示，技术成本和员工能力有限是 CDFI 和 MDI 无法获得所需技术的最常见原因。这
Grants Management: Action Needed to Ensure Consistency and Usefulness of New Data Standards
GAO 的发现管理和预算办公室 (OMB) 和卫生与公共服务部 (HHS) 已部分满足《2019 年拨款报告效率和协议透明度法案》（GREAT 法案）中与以下相关的三个已过截止日期之一：数据标准。 OMB 和 HHS 在 2021 年 6 月确定和定义了 540 个拨款数据元素，部分满足了建立政府范围数据标准的最后期限。这一最后期限已部分满足，因为其中 501 个元素不完全可操作的数据标准，因为它们不包括重要的技术规范图：截至 2023 年 12 月，OMB 和 HHS 满足 2019 年《拨款报告效率和协议透明度法案》中部分法定要求的程度a 该要求的满足应不迟于颁布后一年或数据标准建立后。酒
美国政府问责局的发现退伍军人上诉委员会 (Board) 有一个质量保证 (QA) 流程和相关的决策准确性衡量标准。具体来说，其 QA 流程包括：1) 每月通过案件审查流程检查随机抽样的决策草案是否存在委员会定义的某些类型的错误；2) 监控进一步上诉至美国退伍军人索赔上诉法院 (CAVC) 的委员会决策结果。委员会利用这些活动的结果提供各种干预措施，例如向退伍军人法官 (VLJ) 提供个人反馈或培训。委员会还计算并发布代表无错误裁决的准确率。但是，美国政府问责局发现委员会计算此指标的过程存在不足。与联邦内部控制标准相反，GAO 发现委员会没有：(1) 制定计算其准确率或管理案例审查错误数据的书面
美国政府问责署的发现基于统计抽样和归因技术，美国政府问责署估计，COVID-19 疫情期间失业保险 (UI) 计划的欺诈金额可能在 1000 亿美元至 1350 亿美元之间。这分别约占疫情期间支付的 UI 福利总额的 11% 和 15%。美国政府问责署的估计时间范围为 2020 年 4 月（所有 UI 计划支付的第一个完整月份）至 2023 年 5 月（公共卫生紧急事件结束）。该估计涵盖了参与常规和临时 UI 计划的所有 53 个州。疫情期间 UI 欺诈的全部范围可能永远无法确定。在评论本报告的草稿时，美国劳工部 (DOL) 对美国政府问责署的欺诈估计方法表示担忧，并表示最终的估计可能被夸大了
Tax Gap: Modest Reductions in the Gap Could Yield Large Fiscal Benefits
总体情况美国国税局 (IRS) 估计，2014-2016 纳税年度的税收缺口（即纳税人应缴纳的税额与他们实际自愿按时缴纳的税额之间的差额）为每年 4960 亿美元。税收缺口是一个复杂的问题，需要多方面解决。缺口的轻微缩小可能会给联邦政府带来巨大的财政利益。IRS 2014-2016 纳税年度年度平均税收缺口估计值 IRS 使用几种方法来估计税收缺口的不同组成部分，但这些方法都有局限性。估计值可能存在测量和抽样误差，并且可用信息的质量也可能会有所不同。此外，估计值并不能完全反映税收制度的所有领域。例如，由于数据不可靠或不可用，外国或非法活动、数字资产和一些公司所得税并未完全包括在内。尽管存在这些
Stanford AI Lab Papers and Talks at AAAI 2022
第 36 届 AAAI 人工智能会议 (AAAI 2022) 将于 2 月 22 日至 3 月 1 日以线上方式举办。我们很高兴与大家分享 SAIL 展示的所有成果，您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者，了解更多有关斯坦福大学正在进行的工作的信息。已接受论文列表去中心化合作匪徒团队中的合作伙伴感知算法作者：Erdem Bıyık、Anusha Lalitha、Rajarshi Saha、Andrea Goldsmith、Dorsa Sadigh联系人：ebiyik@stanford.edu链接：论文 | 视频 | 第二段视频 |网站关键词：bandits、多智能体系统、协作
Stanford AI Lab Papers and Talks at AAAI 2022
第 36 届 AAAI 人工智能会议 (AAAI 2022) 将于 2 月 22 日至 3 月 1 日以线上方式举办。我们很高兴与大家分享 SAIL 展示的所有成果，您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者，了解更多有关斯坦福大学正在进行的工作的信息。已接受论文列表去中心化合作匪徒团队中的合作伙伴感知算法作者：Erdem Bıyık、Anusha Lalitha、Rajarshi Saha、Andrea Goldsmith、Dorsa Sadigh联系人：ebiyik@stanford.edu链接：论文 | 视频 | 第二段视频 |网站关键词：bandits、多智能体系统、协作
Predicting the 2016 US Presidential election
通过询问人们对他们所偏爱的选项获胜的信心程度，是否可以做出更准确的预测？这个繁忙的选举季的一个后果是，人们不再像以前那样信任民意调查。这令人惊讶，因为与欧洲其他国家不同，美国的民意调查机构，尤其是民意调查聚合网站（如 FiveThirtyEight）到目前为止的预测总体上相当准确。然而，人们无法摆脱民意调查机构正在失去声誉的总体感觉，因为他们经常被指责自满、抽样错误，甚至故意操纵。然而，这有正当的理由。随着在线民意调查的兴起，适当的抽样可能极其困难。在线民意调查基于受访者的自我选择，使他们不是随机的，因此偏向特定的选民群体（年轻、受教育程度较高、城市人口等），尽管这些民意调查背后的人努力调整他
クラメル・ラオの不等式の活用－たまには学問の理論を振り返ってみよう
统计领域之一是“推论统计”。这涉及根据有限的样本推断被调查的整个人群的特征。 例如，这适用于电视收视率调查和工厂产品抽样检验。各种媒体经常进行的民意调查通常也是推测性的统计数据。 推论统计包括“估计”和“检验”，“估计”用于估计表征总体的参数（均值、方差等），“检验”用于统计确定有关样本统计的假设是否正确。 这次，我们将通过一个例子来了解“点估计”，这是一种根据单个值精确估计参数的方法。首先，我们举一个具体的例子。 （估计硬币正面朝上的概率）现在我手里有一枚普通的硬币。假设您想知道抛掷这枚硬币时出现正面的概率。通过抛硬币最多 10 次来预测正面朝上的概率的最佳方法是什么？硬币突然出现了，但是说
