计算反垄断

为自主性而架构

Architecting for Autonomy

Anjali Jain 与 Philip O'Shaughnessy 合著、Manning Publications 出版的书籍，共 475 页，预计出版日期为 2027-03-15，尚未出版。书中讨论如何改造和重建现有系统，使自主 AI agent 能在生产系统中安全、负责任地大规模运行，涉及银行、医疗等有严格外部治理要求的领域。作者提出面向自主 agent 的新架构原则，并给出一个与领域无关的“Agentic Enterprise Framework”，包含模式、手册与参考模型。

Stanford MS&E233：博弈论、数据科学与人工智能（2026 春）

斯坦福大学管理科学与工程系 MS&E 233 课程大纲页面，主题是博弈论、数据科学与人工智能交叉领域的基础与应用。课程分三部分：求解复杂博弈的计算方法及其在围棋、扑克等游戏智能体上的应用；数据科学与机制设计的结合，如从数据优化拍卖与机制、在线拍卖市场、学习博弈中的结构参数与博弈计量经济学；以及在存在策略性行为时部署机器学习与数据科学流程，包括市场中的 A/B 测试与 Uber、亚马逊等平台上的应用。适合关注博弈论与 AI/数据科学交叉方向的人了解课程内容。

通用人工智能的监管

Regulation of Artificial General Intelligence

这是一本由 Taylor & Francis 出版的开放获取图书，作者为 Astromskis, Paulius，出版信息只给到 2026 年。书中提出整合法学、经济学与流程管理的 AGI 监管法律框架，采取基于风险的路径，将“奇点场景”视为合法的科学研究领域，批判性检视欧盟《人工智能法案》对 AGI 的局限，并提出基于交易成本理论的四级分析模型。

探索用于 Meta 广告深度漏斗优化的层级化兴趣表示

Exploring Hierarchical Interest Representation For Meta Ads Deep Funnel Optimization

Meta 工程博客介绍其在广告领域研究的“层级化兴趣表示”，即位于广告实体（用户、广告主、产品、服务）之上的上游表示层，学习连接用户推断兴趣与广告主供给的统一嵌入。其技术包括自研的基于 transformer 的图学习、偏置感知注意力和自监督跨视图蒸馏，并结合经 LLM 处理的多模态广告主与产品内容；输出通用嵌入和 Bag-of-Meaning 兴趣 token，基于 Meta 真实广告数据在数十亿级交互规模上端到端训练。

隐私技术与政策

Privacy Technologies and Policy

这是 Springer Nature 出版的开放获取会议论文集，为第 14 届隐私技术与政策年度论坛（APF 2026，2026 年 9 月 9–10 日于奥地利萨尔茨堡举办）的经评审论文。收录 11 篇全文与 1 篇短文，选自 48 篇投稿，分为“AI 中的隐私”“用户视角”“技术前沿的监管”“超越匿名化与安全的隐私技术”四个主题，主题词涉及 GDPR、隐私工程与隐私设计。

从往来看交易：Somya Rai 与 MD Sharique，EXL

Judge a Transaction by the Company It Keeps — Somya Rai & MD Sharique, EXL

这是一个 YouTube 演讲，介绍 EXL 的欺诈检测系统：在现有 XGBoost 分类器基础上加入图嵌入，目标是固定的分析师告警预算下提升精确度。演讲者讲解了邻域信号、采样与图构建、GraphSAGE 的聚合方式（均值、最大值与标准差）、归因解释和在线服务设计（缓存表征使缓存占用从约 60 GB 降至 2–3 GB），并报告在相同告警率下检测效果相对提升 27%–33%。