论文：用模型估计德州车祸未编码因素

Amir Rafe 与 Subasish Das 发布论文，提出一套估计交通事故记录中未编码因素的方案。该研究用表格基础模型 Kumo Tabular 读取 2017 至 2025 年德州 5,601,890 起车祸的编码记录，并用校准的 System One 模型 Jev 阅读两个概率样本的叙述文本，再以人工判断重校准概率，通过多轮 predict-then-debias 估计器合并三层结果，输出带有效声明的总体估计。 论文称该系统把编码记录与叙述文本两种视角结合，用于估计德州车祸中未被编码的因素。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。