TacSIm：從英超轉播到虛擬球場嘅足球戰術風格模仿
現有足球 **imitation learning** 研究多數仍以入球、勝率代理等 **reward-based** 目標為主，較少直接量度「整隊戰術行為」與真實比賽嘅時空一致性。Peng 等（2026）提出 **TacSIm**（**Tactical Style Imitation**），以 **English Premier League（EPL）2024–25** 官方 **broadcast footage** 為原料，建立大規模數據集與 **benchmark**，專門評估模型能否喺統一虛擬環境中重現真實球隊嘅戰術風格。預印本見 **arXiv:2603.25199**。
1小时前
足球角球時間：以 Frailty Model 處理同場內相關性
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
3小时前
AutoStan：以 NLPD 與 MCMC 診斷驅動的 Stan 貝葉斯模型自主改進
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
9小时前
