AI PREDICTION

職業足球賽事中，**corner kick（角球）**既是攻勢延續的常見結果，亦為博彩市場中「角球數量」「首個角球時間」等產品的基礎隨機量。Isaacs、Hu、Peng 與 Swartz（2026）之預印本 **arXiv:2602.22684** 延續 Peng、Hu 與 Swartz（2024）對角球出現時間的 **event history** 分析，在原有 **finite mixture** 與 **right censoring** 框架之上，引入 **frailty** 以刻劃「同一支球隊在同一場比賽內」多次角球之間的相關性，並以 **Monte Carlo Expectatio

貝葉斯建模在概念上簡潔：先寫下生成機制與先驗，再按觀測資料更新信念。然而實務上，即使已採用 **Stan** 與 **MCMC**，分析人員仍須反覆處理 **divergence**、**R-hat**、**effective sample size（ESS）**、重新參數化與先驗調校。**AutoStan**（Dürr, 2026）提出一套極簡框架：讓 **CLI coding agent** 自行撰寫及迭代修改 **Stan** 程式碼，並以 **held-out negative log predictive density（NLPD）** 配合抽樣器診斷，決定每次改動應保留抑或還原。下