📋 awesome-autoresearch 周期巡检 本轮新增 1 条目（discussions）： Introspection（Latent Space 采访）：ex-xAI 的 Roland Gavrilescu 创立新公司 Introspection，明确围绕自改进 autoresearch 系统构建基础设施，在 AI Engineer World's Fair 发表「Autoresearch in the Wild」演讲，提出三个生产模式：loop is the product、learn before automating、ground feedback in real signals。标志 autoresearch 从开源项目走向专门创业公司。 📂 📊 463 entries

这篇讨论稿的三个作者都是经济学背景，一个老外两个香港人，去研究国内学生使用生成式 AI 对学习成绩的影响。很好瞎扯撞我枪口上了。 不能因为你们写的只是Discussion Paper就能不严谨，也不能因为是发布在 CEPR 有学术门槛，就一定多专业。摘要上面清楚写着2.6 万学生都被完整追踪了 30 个月。打开你们的 paper一看：2025 年 6 月下旬，在中国中部某省的一个县做问卷，覆盖： 26,811 名学生 7 到 12 年级 5 所初中、4 所高中 约占该县初高中学生的 90% 没覆盖的主要是偏远农村、难以追踪的学生 几个关键数据样本并不一样： 月考数据：26,811 人，30 个月 作业数据：18,345 人，20 个月 县统考数据：8,466 人，18 个月 中考/高考数据：8,341 人，核心上只有 2025 年 1 个月。哪来的2.6 万学生都被完整追踪了 30 个月。这些中部地区的样本数据能代表中国中学教育吗？ 论文从 2022 年 9 月开始画 AI 采用曲线。图上早期比例很低，不是说很多人 2022 年就在用，但仍然有一小撮学生被算作已采用生成式 AI。（论文里提到老师让学生核对 AI 工具注册日期，但作者也承认无法观察学生是否真的核对。问题是：注册日期不等于实际使用日期，更不等于开始用 AI 写作业的日期。。。） 那问卷到底怎么问的？学生是否把联网搜索、拍照搜题、智能批改、聊天机器人都混在一起？国内 22 年的时候很多 AI 产品都在早期更别说 AI 教育了，甚至豆包是 23 年 5 月才有了联网搜索功能，小猿口算 25 年上线 AI 功能。 真的是跨行业谁都能写论文指点江山谁都能带节奏。

和Quant Alex @StochAlex07 讨论： SABR Theta与Spot Theta+Vol Theta+Cross Theta的异同与应用，以及SABR模型自洽性分析。 **English Summary of the Chat** **SABR Theta vs Spot Theta + Vol Theta + Cross Theta** The conversation between **Alex Wu** (white bubbles) and **Jeff Liang** (green bubbles) is a technical discussion focused on **SABR Theta versus Total Theta** (i.e., Spot Theta + Cross Theta + Vol Theta), model self-consistency, PDE residual, and the correct definition of SABR Greeks. ### Key Points Discussed: 1. **SABR Gamma = Spot Gamma** (first major question, raised by Jeff) Jeff asked whether SABR Gamma (\(\partial^2 P / \partial F^2\)) is identical to Spot Gamma and whether it includes the dependence of \(\sigma_B\) on \(F\). He also provided the full chain-rule expansion of SABR Gamma in terms of Black-76 Greeks. Alex confirmed the understanding and **later affirmed in code** that this is exactly how SABR Gamma is implemented in their system. 2. **SABR Theta vs Total Theta and Model Self-Consistency** (main topic, led by Jeff) Jeff shared a clear 3-point understanding: - SABR Theta is computed directly via the SABR approximation formula to obtain \(\sigma_B\), then applying the Black-76 chain rule: \(\partial P/\partial t =\) BS_Theta(\(\sigma_B\)) + BS_Vega \(\cdot \partial\sigma_B/\partial t\). - Total Theta is the exact decomposition from the SABR PDE (Spot Theta + Cross Theta + Vol Theta). - When the model is **fully self-consistent** (Residual = \(\partial P/\partial t + \mathcal{L}P = 0\)), SABR Theta = Total Theta; otherwise the difference is the unexplained PnL caused by the approximation error in the Hagan formula (especially pronounced in long-dated, high vol-of-vol, or high-skew options). 3. **Practical Implication – Theta Decomposition Decision** (comment by Alex) Alex noted that whether to perform Theta decomposition depends on the risk-management approach: - Without decomposition → use SABR Gamma vs. dP/dt. - With decomposition → SABR Gamma maps to Spot Theta, Vanna to Cross Theta, and Volga to Vol Theta. **Overall Tone**: The discussion is highly technical and collaborative. Jeff drives the conversation by asking clarifying questions and presenting a well-structured 3-point summary of his recent study. Alex provides confirmations, practical insights, and code-level validation. Both participants demonstrate a strong command of SABR model nuances, particularly the relationship between approximation error, PDE residual, and real-world risk management.