Explainable AI in Production: A Neuro-Symbolic Model for Real-Time Fraud Detection
SHAP 需要 30 毫秒来解释欺诈预测。该解释是随机的，在决策之后运行，并且需要您必须在推理时维护的背景数据集。本文对神经符号模型进行了基准测试，该模型在 Kaggle 信用卡欺诈数据集上作为前向传递本身的副产品，在 0.9 毫秒内生成确定性的、人类可读的解释。加速比为 33 倍。欺诈召回是相同的。 生产中的可解释人工智能：用于实时欺诈检测的神经符号模型首先出现在走向数据科学上。
The Growth of Big Business: 1900-2020
大公司在美国经济中发挥着越来越大的作用，而且在世界各地高收入国家的经济中也发挥着越来越大的作用。马跃然、张梦迪和卡斯帕·齐默尔曼在《全球商业集中度：1900-2020》（芝加哥大学贝克尔-弗里德曼经济研究所，2026 年 2 月 27 日）中汇编了证据，该链接提供了可读的概述和后续链接……继续阅读大企业的增长：1900-2020大企业的增长：1900-2020 的帖子首次出现在健谈的经济学家。
