Game Theory
博弈论与机制设计教程入口（曹乾2016）
《博弈论与机制设计（曹乾译，2016）》的教程首页：简介、章节目录与正文入口。
Game Theory (9 articles)
经典方法
8 篇Game Theory
不完全信息博弈：贝叶斯纳什均衡与类型空间
建立不完全信息博弈的Harsanyi类型空间框架，推导贝叶斯纳什均衡的分析方法，通过双边拍卖、信贷配给和贸易谈判等应用案例说明私有信息对均衡结果的深刻影响。
Game Theory
信号博弈：劳动力市场模型、精炼贝叶斯均衡与均衡选择
系统建立信号博弈的分析框架与精炼贝叶斯均衡概念，深入推导Spence劳动力市场信号模型的分离均衡与混同均衡，讨论均衡精炼标准与信号传递的本质逻辑。
Game Theory
动态博弈与子博弈精炼：序贯理性与承诺问题
系统建立扩展式博弈的分析框架，详解逆向归纳法与子博弈精炼纳什均衡的概念，通过最后通牒、入场威慑、连锁店悖论等案例阐明序贯理性与不可置信威胁的核心问题。
Game Theory
完全信息静态博弈：纳什均衡的存在、计算与精炼
系统阐述完全信息静态博弈的形式化框架，涵盖优势策略消除、纳什均衡的存在性定理、纯策略与混合策略均衡的计算，以及理性化等精炼概念。
Game Theory
机制设计：显示原理、激励相容与拍卖理论
介绍机制设计的核心框架：社会选择函数、显示原理、激励相容与个人理性约束，推导最优拍卖设计（Myerson最优机制），以及收入等价定理的证明与直觉。
Game Theory
重复博弈、合作均衡与Folk定理
分析有限与无限重复博弈的均衡结构，建立无限重复博弈Folk定理的严格形式，讨论触发策略、冷酷策略、以及合作如何通过未来惩罚承诺实现。
Game Theory
博弈论基础入门教程
博弈论基本概念、常见模型与应用场景的入门指南
其他内容
1 篇Game Theory
寡头市场中的静态博弈：古诺、伯特兰与斯坦伯格模型
以工业组织为背景，系统推导古诺数量竞争、伯特兰价格竞争与斯坦伯格领导者模型的均衡结果，对比在位者-进入者博弈中的承诺与威慑策略。
Generative AI (11 articles)
经典方法
1 篇Generative AI
LLM 的博弈视角：合作、竞争与策略稳定性
用博弈论解释 LLM 间互动的策略收敛、激励冲突与系统级稳定性。
前沿方法
5 篇Generative AI
AI Agent 架构模式：从单代理到多代理协作
梳理 Agent 系统常见架构范式，解释规划、执行、记忆与工具调用的解耦设计。
Generative AI
LLM Agent 的工具调用、规划与记忆：可执行架构
从系统工程角度设计 Agent：何时调用工具、如何分层规划、怎样构建长期与短期记忆。
Generative AI
LLM 安全：红队测试与护栏体系设计
构建从输入到输出再到行为层的多级护栏，并以红队测试持续发现系统脆弱点。
Generative AI
LLM 对齐：RLHF、RLAIF 与 DPO 的统一理解
从偏好学习视角比较 RLHF、RLAIF、DPO 的目标函数、工程成本与适用边界。
Generative AI
多 Agent 协作机制：分工、通信与一致性
系统化梳理多 Agent 协作中的角色分解、通信协议、冲突消解与性能评测方法。
其他内容
5 篇Generative AI
LLM 推理与验证：从会答题到可验证
解释推理增强与结果验证的分工机制，构建“生成-检验-修正”闭环。
Generative AI
LLM 行为评测：能力、可靠性与风险三维框架
建立可落地的 LLM 评测体系：能力评测、鲁棒性评测与安全评测并行。
Generative AI
多 Agent 竞争与机制设计：如何避免内耗
从机制设计出发解决多 Agent 竞争中的资源抢占、重复执行与策略操纵问题。
Generative AI
高级 RAG 系统：检索、重排与知识运营
从召回-重排-生成闭环解释 RAG 的工程关键点，强调证据可靠性与可追溯性。
Generative AI
大型语言模型：原理、架构与应用
大型语言模型的核心原理、Transformer架构详解及其在现代NLP中的应用
Machine Learning & Causal Inference (18 articles)
经典方法
12 篇Machine Learning & Causal Inference
Prophet 与层级预测：业务多层口径的一致性建模
从可解释分解模型出发，讲清 Prophet 的建模边界与层级预测一致性修正方法。
Machine Learning & Causal Inference
协整与 VECM：非平稳变量的长期均衡建模
解释为何非平稳序列也能建立有效模型，并给出 Johansen 检验与 VECM 的 Python 实操。
Machine Learning & Causal Inference
双重差分法：平行趋势、异质性处理效应与交错DID
从经典2×2 DID出发，推导双向固定效应（TWFE）的识别条件，详解平行趋势假设的检验与强化策略，并系统介绍交错采纳设计下异质处理效应的新近文献（Callaway-Sant'Anna, Sun-Abraham）。
Machine Learning & Causal Inference
因果推断的潜在结果框架：Rubin因果模型与干预效应估计
系统阐述Rubin潜在结果因果模型（POF）的核心概念，包括因果推断的基本问题、SUTVA假设、ATE/ATT/LATE等处理效应概念，以及随机化实验如何从根本上解决选择偏差问题。
Machine Learning & Causal Inference
多变量时间序列：VAR、SVAR 与脉冲响应分析
从系统联立视角解释 VAR/SVAR 的识别逻辑、IRF 解释边界与 Python 估计流程。
Machine Learning & Causal Inference
工具变量法：局部平均处理效应、两阶段最小二乘与弱工具变量
系统建立工具变量（IV/2SLS）识别框架，从Angrist-Imbens的单调性假设出发推导LATE的解释，讨论弱工具变量问题的诊断与解决，以及多工具变量的过度识别检验。
Machine Learning & Causal Inference
断点回归设计：局部随机化、带宽选择与有效性检验
系统介绍断点回归设计（RDD）的识别逻辑与估计策略，涵盖Sharp RDD与Fuzzy RDD的形式化框架，局部多项式估计器、最优带宽选择（CCT方法），以及操纵检验、协变量平衡等有效性检验。
Machine Learning & Causal Inference
时间序列：ARIMA 与 SARIMA 从原理到实战
系统梳理 ARIMA/SARIMA 的统计假设、识别步骤与 Python 实操，强调可解释预测与诊断闭环。
Machine Learning & Causal Inference
波动率建模：GARCH 家族方法与风险预测
从条件异方差原理出发，讲清 GARCH 的建模逻辑、诊断步骤与 Python 风险预测实践。
Machine Learning & Causal Inference
状态空间模型与卡尔曼滤波：动态系统估计框架
用状态空间视角统一趋势、季节和噪声，说明卡尔曼滤波在时变参数估计中的价值。
Machine Learning & Causal Inference
贝叶斯结构时间序列（BSTS）与 CausalImpact
从反事实预测视角讲清 BSTS 的因果评估逻辑，并提供 Python 版本实现路径。
Machine Learning & Causal Inference
计量经济学
系统记录《高级计量经济学》核心概念、推导过程与实践应用
前沿方法
3 篇Machine Learning & Causal Inference
Temporal Fusion Transformer：可解释多变量预测模型
围绕 TFT 的变量选择、门控网络与注意力机制，说明其在多变量预测中的解释优势。
Machine Learning & Causal Inference
时间序列基础模型（Foundation Models）综述与落地
从预训练范式出发梳理时间序列基础模型的能力边界、迁移策略与工程落地路径。
Machine Learning & Causal Inference
时间序列扩散模型：从去噪生成到概率预测
解释扩散模型为何适合多峰不确定性预测，并给出时间序列任务中的训练与采样要点。
其他内容
3 篇Machine Learning & Causal Inference
PyTorch深度学习开发完全指南
从基础到进阶的PyTorch深度学习开发指南，包含实用技巧和最佳实践
Machine Learning & Causal Inference
机器学习完整流程指南：从数据到部署
完整的机器学习项目实践指南，涵盖数据预处理、模型训练、评估和部署全流程
Machine Learning & Causal Inference
网络分析：图论与社会网络分析基础
网络分析的核心概念、常用指标与分析方法，涵盖图论基础与社会网络分析
Top Journal Paper Analysis (1 articles)
前沿方法
1 篇Top Journal Paper Analysis
管理类顶刊博弈论文解析（24篇）：供应链机制、平台竞争与动态定价
围绕供应链与平台竞争，梳理 24 篇顶刊论文，补齐 15+ 经典机制与数学建模形式，并给出 APA7、DOI、Google Scholar 直链。
Econometrics (8 articles)
经典方法
3 篇Econometrics
计量经济学：RDD 断点回归设计与稳健性检验
从识别逻辑出发讲清 RDD：带宽选择、局部多项式估计、操纵检验与稳健性验证。
Econometrics
计量经济学：工具变量与 2SLS
从内生性问题出发，解释工具变量的相关性与外生性条件，并给出 2SLS Python 实现。
Econometrics
计量经济学：经典线性模型与 OLS 假设
从识别目标出发系统梳理 OLS 的核心假设、偏误来源与可操作检验路径。
其他内容
5 篇Econometrics
计量经济学：匹配估计与双重稳健 AIPW
从可忽略性假设出发，串联匹配方法与 AIPW 双重稳健估计，给出可复现 Python 流程。
Econometrics
计量经济学：合成控制法原理、估计与安慰剂检验
系统讲解合成控制法（SCM）的权重构造、处理效应估计与安慰剂推断流程。
Econometrics
计量经济学：面板数据 FE/RE 与 Hausman 检验
比较固定效应与随机效应的识别前提、解释边界与模型选择逻辑。
Econometrics
计量经济学：DID 与事件研究法（Python）
从平行趋势假设出发，给出 DID 与事件研究法的建模、可视化与稳健性检查流程。
Econometrics
计量经济学：异方差、自相关与稳健标准误
解释为什么显著性会“看起来很强”，并给出 HC、聚类、Newey-West 等稳健推断方案。