Xinbo Ai (艾新博)
Xinbo Ai — 北京邮电大学(BUPT)智能工程与自动化学院,提出 recos (Rearrangement-Cosine Similarity) 的唯一作者。
Bibliographic info
- 姓名: Xinbo Ai (艾新博)
- 单位: School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications, Beijing 100876, China
- Email: axb@bupt.edu.cn
- 代码: https://github.com/byaxb/recos
代表性工作
recos / Beyond Cosine Similarity (2026)
- 论文: Xinbo Ai 2026 Beyond Cosine Similarity
- 概念: Recos (Rearrangement-Cosine Similarity)
- 核心: 基于 Rearrangement Inequality 推出比 Cauchy–Schwarz 更紧的点积上界, 把"完美相似"的饱和条件从线性依赖放宽到次序一致 (ordinal concordance); 复杂度 O(d\log d) vs cos 的 O(d)。
- 实证: 11 个 embedding × 7 个 STS benchmark 的 77 组设置中 71/77 优于 cos, Wilcoxon p<0.001 (大效应量 r=0.835), 98.6% 胜率 (sign test), linear mixed-effects \beta=0.292, t=7.201, p<0.001, BH 校正后仍显著, LODO 交叉验证 t(6)=75.349, p<0.001。
- 立场: 不主张 wholesale 替代 cos, 而是"capture range 更广的互补信号"。
与 wiki 其他作者/论文的关系
- 与 Zhou Ethayarajh Card Jurafsky 2022 Cosine Frequency Bias: 后者指出 cos 对高频词估计偏低 (ℓ2 范数膨胀), 是 recos 提出的核心动机。
- 与 Steck Ekanadham Kallus 2024 Is Cosine-Similarity About Similarity: Steck 等 2024 从频率偏置角度批评 cos 表征, 与本文引用同一问题但走不同路径(本文走数学根基, Steck 等走经验观察)。
- 与 Salton Wong Yang 1975 Vector Space Model: cos 起源, recos 是其替代方案之一。
- 与 Tanimoto 1958 Elementary Mathematical Theory: Tanimoto coefficient 与 recos 中的 decos 单调双射 (paper Corollary 1)。
与 wiki quant 主线的潜在桥梁
recos 本身是 NLP / embedding 度量, 不直接落在 equity / futures 主线。本 wiki 通过 Recos (Rearrangement-Cosine Similarity) 和 Ordinal Concordance (次序一致性) 挂入, 保留两条 quant 借鉴的 Open Question:
- Embedding-based factor engine: 现代 alpha research 用 LLM embedding 表达公司、行业、新闻、宏观状态, "次序一致的相似度"对长度偏置的鲁棒性比 cos 强——与 Factor-Loading Uncertainty 提到的 ℓ2 范数膨胀问题同源。
- RAG-based 策略合成 (参见 Spatiotemporal Composability 涉及的 RAG 范式): 从大文档库检索历史 regime / 类似 pattern 时, recos 较宽的 capture range 可能放大"非线性但结构同胚"的市场状态匹配。