AI4SS
研究方向 0101
AI for Social Science
以人工智能为切入点，从估计方法、数据生成、研究协作与社会模拟四个层面，探索社会科学研究的新方法与新形态。
以人工智能为切入点，从估计方法、数据生成、研究协作与社会模拟四个层面，探索社会科学研究的新方法与新形态。
ML for Estimation
研究 DML 等方法，探索机器学习在参数估计、因果推断与高维控制中的应用。
AI for DGP
研究生成式 AI 驱动的数据生成过程，以及合成数据、测量与识别带来的新问题。
Agents as Research Assistants
探索智能体作为研究助理，参与文献、数据、分析与验证等科研环节的人机协作方式。
Next-generation ABM
将大语言模型与智能体引入基于主体的建模，构建具有行为异质性和交互机制的社会模拟。
世界模型学习世界如何演化。社会世界模型以人与人、人与环境的互动为核心，不预设既有社会理论，而是从海量数据中拟合社会状态的变化，并通过模拟采样发现规律。
开源工具与数据集，降低社科实证研究的技术门槛，让研究流程更可复现。
由 SepineTam 发起并持续维护的研究工具与工作流。
MCP-for-Stata（也称 Stata-MCP）是面向 Stata 实证研究工作流的开源 Stata MCP server，让 Claude Code、Codex、OpenClaw 等 AI 助手生成、执行并保留可复现的 do-file 与结果。
在命令行中检索与获取美国国家经济研究局（NBER）工作论文，不必打开浏览器。
把个人写作风格整理为可复用的提示与工作流，让不同思路的内容保持一致的表达方式。
面向实证研究的 Python 工具包，覆盖数据处理、模型估计、结果导出与可复现分析流程。
开放数据由 HOPE、CCAD 和 CMED 三个并列系列组成，分别面向人文开放数据、高校招生研究与宏观经济证据建设。