统计月读（2025年1-2月）

[ZichongWang]

请回复 issue 进行文章推荐与招聘投稿，内容须与统计/数据科学相关，是否采纳取决于编辑部意见。

文章推荐包括学术论文、博客、书籍、教程或软件等的推荐，如果是英文文章在月报发布后自动作为翻译备选文章。

招聘主要面向学术界与工业界的招聘信息发布且岗位要与统计/数据科学相关。

文章推荐格式如下：

推荐语：（几句话就可以，可长可短，有态度不严肃）

推荐人：（建议用真名）

链接：（论文建议给doi，其余给链接）

招聘信息格式如下：

岗位介绍：（例如博士生、博后、xx公司软件工程师等）

工作地点：（具体到城市）

联系方式：（网站链接或邮箱）

[yufree]

推荐语: 表格数据的基础模型tabpfn发布，用合成数据训练，在10000 行和 500 列及以下的数据集（基本覆盖科研y=f(x)领域）效果号称优于任何其他机器学习模型，无需预训练可以在几分之一秒内对新数据集进行推断。感觉自动化机器学习的春天还没开始就结束了，基础模型微调时代可能要来了。

推荐人: 于淼

链接: https://www.nature.com/articles/s41586-024-08328-6

[SungManhin]

推荐语: 这个模版基于 Typst 排版语言和 Touying 幻灯片包，整体风格与 Stargazer 主题保持一致，进行了一些颜色和布局上的微调，使之更适合中国人民大学统计学院的风格。优点包括：语法简单，类似 markdown, 熟悉 $\LaTeX$ 也能很快上手；编译速度极快（增量编译，与 markdown 渲染速度相当，无需等待）；环境搭建简单，仅需安装一二扩展。

推荐人: 宋文轩

链接: https://github.com/SungManhin/RUCStatBeamer_Typst

[ZichongWang]

推荐语：Meta团队写的Flow Matching Guide and Code，内容非常丰富翔实，绘图也非常精美。推荐给想要入手生成模型的人～

推荐人：王子翀

链接：https://arxiv.org/pdf/2412.06264

[Ryanna-github]

推荐语：推荐一个报告财经类报告AI解读平台 reportify，已经接入 ds-r1，快速了解报告主要内容，高效获取分析信息，边读边聊内容。

推荐人：任焱

链接：https://reportify.ai

[Ryanna-github]

推荐语：用 shiny 写的小功能可以快捷打包（几乎是一键式）成独立的 app 真是太好啦，复用性高的小功能更便捷了

推荐人：任焱

链接：https://blog.jahnen.io/nhyris/

[yixuan]

推荐语：基于大语言模型的 PDF 转 Markdown 工具，支持数学公式和表格解析，准确度还不错。

推荐人：yixuan

链接：https://github.com/VikParuchuri/marker

[yixuan]

推荐语：分门别类整理的古诗词，支持各种归类和检索方式，例如按作者、朝代、主题、节日、地理等等，可以直接访问网页版（https://haitang.app/），也可以从代码库里获取数据库（https://github.com/javayhu/haitang/tree/main/src/database）。文本和数据整理得很规整，有许多信息直接是 JSON 格式，很方便用程序做后续处理。

推荐人：yixuan

链接：https://github.com/javayhu/haitang

[MelodyRen1998]

推荐语：一款有趣的应用软件 Rlinguo，可以将 R 引入移动设备，无论是环境研究人员、学生还是物流专业人士等，都可以使用移动设备上的 R 随时随地处理数据，使得数据分析触手可及。

推荐人：任怡萌

链接：https://rtask.thinkr.fr/rlinguo-why-did-we-build-it/

[GepingChen]

推荐语：统计里大家都习惯做一个方法出来写一个R package。难得看到一个“大一统”的因果工具箱。“DoWhy”是一个python library，或许以后再既有框架上添补完善会是一个对社区更好的贡献方式？

推荐人：陈格平

链接：https://github.com/py-why/dowhy

[ZichongWang]

推荐语：近期看到的一些综述文章，包括蛋白功能预测、蛋白语言模型相关的

推荐人：王子翀

链接：https://doi.org/10.1093/bib/bbae289; https://doi.org/10.1002/pmic.202300471 (Protein Function Prediction)
https://arxiv.org/pdf/2501.10282 (Survey on Protein LLM)