这是一个小众的帖子，但本科概率论/随机过程的很多内容都是与分布打交道，某些模型的次优表示却具有相当不错的解析性质（例如伽马分布）。 我怀疑这个要求在Cursor出现后就消失了，我们将专注于纯粹的计算模型，以最大化与现实的拟合，而不是解析的可处理性。这可能在工程师中已经是常态很多年了（？我怀疑但不确定），但现在将因Cursor而成为所有数学学科的常态。 就像“好吧，75%的时间从对数正态分布中抽样，25%的时间从帕累托分布（a=3.5）中抽样，让我看看那是什么样子。” 这对工程师来说可能完全显而易见，但对于我们这些在2020年前学习经济学/任何建模学科的人来说，这是一个巨大的升级，因为我们不得不手动解决这些问题，并且在能够构建的模型上受到极大限制。