Meg om krigskrigene. Etter å ha studert dette MYE, tror jeg moderate kandidater vinner oftere, men det blir mer komplisert i en tid med hyperpartiskhet.

Virkelig slående i hvilken grad NY har blitt en uteligger i å komme seg etter fjernarbeidsskiftet, spesielt gitt at det er byen som ble rammet først og hardest av pandemien som førte til skiftet.

Det tar en spesiell type. Men enkelte mennesker oppfører seg som å hallusinere LLM når de er ute av dybden. De bruker alle de riktige ordene, men ikke i riktig rekkefølge. Når de blir konfrontert med logiske feil, er de som "oops" og rekonfigurerer til et litt bedre svar, men fortsatt asymptote på BS.

Er overskriftene riktige om at Texas-begrensning ville koste demokratene 5 seter? Kan det være mer? Kan den bli til en dummymander? @emckowndawson kjørte tallene på nyhetsbrevet:

Vel, jeg vet mye om statistisk inferens, har gjort det i 25 år, har møtt mye offentlig gransking, og på de feltene der jeg også har mye domenekunnskap, har sannsynligvis halvparten av publiserte artikler åpenbare fatale feil som gjør dem uegnet for publisering.

Akademiske tidsskrifter kan være en tapt sak, men de ville sannsynligvis vært bedre hvis du hadde noen ikke-akademiske utøvere som fungerer som anmeldere. Journalister har også sine problemer, men de har for eksempel mye bedre bullshit-detektorer.

AI-ene er utrolig hjelpsomme til å feilsøke kode, jeg tror kanskje deres beste brukstilfelle, inkludert *skriving* kode. Men halvparten av tiden er problemet de (korrekt) oppdager som "du feilstavet 'hvis' som 'uf' i linje 672".

Ok, her er min. Det er pretensiøst å stilisere for eksempel Luka Dončić som Luka Dončić med aksentmerkene i engelskspråklig kopi.

Å faktisk være god på statistisk inferens er en (sjelden) ferdighet, og mange akademikere er gode på det mest i kraft av å være generelt smarte mennesker, men det er nesten ingenting i den akademiske pipelinen som positivt selekterer for det.

Min utmerkede samtale med Nate Silver: , #Cowenconvos