最新

楼主：我创建这个可视化工具，是我教授哥伦比亚大学供应链课程的副产品。这个教学练习最终发展成了一个关于全球石油贸易的完整可视化项目和论文。 模型： 其机制与金融网络中的 Eisenberg-Noe 模型相同：不同之处在于，这里不是银行，而是每个石油消费国通过双边贸易相互连接。当像霍尔木兹海峡这样的关键节点被阻断时，冲击会在整个网络中传播，消耗石油储备。 洞察： 有趣之处在于危机如何展开的机制：例如，法国虽然不直接从霍尔木兹海峡获得石油，但其储备消耗得更快，因为其他国家会主动增加其安全石油储备，从而推高油价，使得所有人的缺货成本都更高。 该模型还能提供价格动态，这本身也很有趣：价格上涨并非即时发生，而是随着各国储备的消耗而依次发生。 一些注意事项： 1. 对于生产国节点，消耗意味着其出口能力下降/耗尽。 2. 不包括受制裁的贸易（UN Comtrade 数据）。 技术细节： 该可视化工具由 600 行 Flask 代码和 JavaScript 前端组成（通过 LLM 辅助可视化，并与论文的原始数值练习进行事实匹配）。 包含证明/理论的论文： https://arxiv.org/abs/2607.17491

各位 HN 的朋友们！我们正在构建 ScoutFox，一个持续关注您兴趣、过滤噪音并报告发现的警报层。 理想用户是任何希望在某个特定领域抢先发现机会的人。这可能是一位希望早期投资热门初创公司的风险投资人，也可能是一个新闻编辑室，希望在某个细分领域找到突发新闻。 Google Alerts 和 RSS 订阅可以发现与关键词相关的新变化，但它们难以判断一条新信息相对于用户已知和关心的内容是否真正重要。这正是我们试图解决的问题。 ScoutFox 的一个典型使用流程如下： **广泛发现** - 简要说明您想监控的内容（例如：追踪人工智能硬件领域的投资机会）。ScoutFox 会引导您进一步细化，以明确您关注的背景（例如：监控人工智能硬件领域资深人士在 LinkedIn 上的动态，并关联到任何法律实体注册信息）。 **聚焦调查** - 一旦明确了详细的背景信息，ScoutFox 会持续搜索网络以及您配置的其他私有数据源，将新证据与现有背景进行比较，调查有前景的变化，并跨来源进行验证。目标是最大化信号与噪音的比率。 **综合汇报** - 结果将以简短的每日摘要形式通过应用程序、电子邮件或 WhatsApp 发送给您，并附带解释这些发现可能重要性的原因。 我们目前正在与记者、天使投资人和风险投资分析师进行测试。