QuantEcon · mmcky · Jul 27, 2026 · Jul 26, 2026 · Jul 26, 2026 · Jul 26, 2026
diff --git a/.translate/state/career.md.yml b/.translate/state/career.md.yml
@@ -1,6 +1,6 @@
-source-sha: 775c47cdd13ff7f617d0fb972c187df5a78ff9fc
-synced-at: "2026-07-21"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 4
-tool-version: 0.20.0
+tool-version: 0.24.0
diff --git a/.translate/state/ifp_advanced.md.yml b/.translate/state/ifp_advanced.md.yml
@@ -1,6 +1,6 @@
-source-sha: 60235ebbd73f767403ac39907ac68560fbb444ba
-synced-at: "2026-07-18"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 7
-tool-version: 0.17.0
+tool-version: 0.24.0
diff --git a/.translate/state/inventory_dynamics.md.yml b/.translate/state/inventory_dynamics.md.yml
@@ -1,6 +1,6 @@
-source-sha: c6d14eb851cec42b9207e77bc8984693a9c82a0f
-synced-at: "2026-07-23"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
 mode: UPDATE
 section-count: 4
-tool-version: 0.22.0
+tool-version: 0.24.0
diff --git a/.translate/state/jv.md.yml b/.translate/state/jv.md.yml
@@ -1,6 +1,6 @@
-source-sha: 2f1eead9bc676e5c7f54d784360825d4306bfd42
-synced-at: "2026-07-21"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 5
-tool-version: 0.20.0
+tool-version: 0.24.0
diff --git a/.translate/state/kesten_processes.md.yml b/.translate/state/kesten_processes.md.yml
@@ -1,6 +1,6 @@
-source-sha: 13d27c47397e0b1c36175078683e7cbdd528ff0c
-synced-at: "2026-07-21"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 5
-tool-version: 0.20.0
+tool-version: 0.24.0
diff --git a/.translate/state/mle.md.yml b/.translate/state/mle.md.yml
@@ -1,6 +1,6 @@
-source-sha: 0bfcac8105ac8c11f06797579a9f4d565db7b53d
-synced-at: "2026-07-18"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 8
-tool-version: 0.17.0
+tool-version: 0.24.0
diff --git a/.translate/state/newton_method.md.yml b/.translate/state/newton_method.md.yml
@@ -1,6 +1,6 @@
-source-sha: 6c93e967f49a9104f11aab2447bd4ee4f0995b1c
-synced-at: "2026-07-18"
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
 model: claude-sonnet-5
-mode: RESYNC
+mode: UPDATE
 section-count: 5
-tool-version: 0.17.0
+tool-version: 0.24.0
diff --git a/.translate/state/olg_adaptive_money.md.yml b/.translate/state/olg_adaptive_money.md.yml
@@ -0,0 +1,6 @@
+source-sha: a4fbd8653600ac99163bfd5d4f7d98c1e613042e
+synced-at: "2026-07-26"
+model: claude-sonnet-5
+mode: NEW
+section-count: 7
+tool-version: 0.24.0
diff --git a/lectures/career.md b/lectures/career.md
@@ -39,14 +39,15 @@ translation:
 ```{include} _admonition/gpu.md
 ```
 
-除了Anaconda中已有的库外，本讲座还需要以下库：
+除了 Anaconda 中已有的库外，本讲座还需要以下库：
 
 ```{code-cell} ipython
 ---
 tags: [hide-output]
 ---
-!pip install quantecon
+!pip install quantecon jax
 ```
+
 ## 概述
 
 接下来，我们研究一个关于职业和工作选择的计算问题。
@@ -552,4 +553,4 @@ plt.show()
 在新图中，你可以看到劳动者选择留在原地的区域变大了，这是因为 $\epsilon$ 的分布更加集中在均值附近，使得高薪工作的可能性降低了。
 
 ```{solution-end}
-```
+```
diff --git a/lectures/ifp_advanced.md b/lectures/ifp_advanced.md
@@ -51,7 +51,7 @@ translation:
 ---
 tags: [hide-output]
 ---
-!pip install quantecon
+!pip install quantecon jax
 ```
 
 ## 概述
@@ -85,8 +85,6 @@ from typing import NamedTuple
 from functools import partial
 ```
 
-
-
 ## 模型
 
 在本节中，我们回顾家庭问题及其最优性结果。
@@ -292,7 +290,6 @@ c_i =
 
 在下面的内容中，我们使用线性插值。
 
-
 ## 实现
 
 以下是以 `NamedTuple` 表示的模型。
@@ -637,15 +634,12 @@ plt.show()
 
 下面我们更详细地研究这一点。
 
-
-
 ## 财富不平等
 
 让我们通过计算这一现象的一些标准度量来考察财富不平等。
 
 我们还将考察不平等程度如何随利率变化。
 
-
 ### 度量不平等
 
 让我们打印出模拟结果中的基尼系数和前 1% 财富份额：

diff --git a/lectures/inventory_dynamics.md b/lectures/inventory_dynamics.md
@@ -35,6 +35,14 @@ translation:
 :depth: 2
 ```
 
+除了 Anaconda 中已有的库之外，本讲座还需要以下库：
+
+```{code-cell} ipython3
+:tags: [hide-output]
+
+!pip install jax
+```
+
 ## 概述
 
 在本讲座中，我们将研究企业的库存时间路径，其遵循所谓的s-S库存动态。

diff --git a/lectures/jv.md b/lectures/jv.md
@@ -41,6 +41,14 @@ translation:
 ```{include} _admonition/gpu.md
 ```
 
+除了 Anaconda 中已有的库之外，本讲座还需要以下库：
+
+```{code-cell} ipython3
+:tags: [hide-output]
+
+!pip install jax
+```
+
 ## 概述
 
 在本节中，我们将解决一个简单的在职搜索模型
@@ -562,4 +570,4 @@ plt.show()
 这看起来是合理的，并且帮助我们确认我们的动态规划解可能是正确的。
 
 ```{solution-end}
-```
+```
diff --git a/lectures/kesten_processes.md b/lectures/kesten_processes.md
@@ -3,8 +3,10 @@ jupytext:
   text_representation:
     extension: .md
     format_name: myst
+    format_version: 0.13
+    jupytext_version: 1.16.7
 kernelspec:
-  display_name: Python 3
+  display_name: Python 3 (ipykernel)
   language: python
   name: python3
 translation:
@@ -46,12 +48,12 @@ translation:
 ```{include} _admonition/gpu.md
 ```
 
-除了Anaconda中包含的内容外，本讲座还需要以下库：
+除了 Anaconda 中包含的内容外，本讲座还需要以下库：
 
 ```{code-cell} ipython3
 :tags: [hide-output]
 
-!pip install --upgrade quantecon yfinance
+!pip install --upgrade quantecon yfinance jax
 ```
 
 ## 概述
@@ -703,4 +705,4 @@ plt.show()
 该图呈现出一条直线，符合帕累托尾的特性。
 
 ```{solution-end}
-```
+```
diff --git a/lectures/mle.md b/lectures/mle.md
@@ -3,8 +3,10 @@ jupytext:
   text_representation:
     extension: .md
     format_name: myst
+    format_version: 0.13
+    jupytext_version: 1.16.7
 kernelspec:
-  display_name: Python 3
+  display_name: Python 3 (ipykernel)
   language: python
   name: python3
 translation:
@@ -40,6 +42,14 @@ translation:
 :depth: 2
 ```
 
+除了 Anaconda 中已有的库之外，本讲座还需要以下库：
+
+```{code-cell} ipython3
+:tags: [hide-output]
+
+!pip install jax
+```
+
 ## 概述
 
 在{doc}`之前的讲座 <ols>`中，我们使用线性回归估计了因变量和解释变量之间的关系。

diff --git a/lectures/newton_method.md b/lectures/newton_method.md
@@ -4,7 +4,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.14.1
+    jupytext_version: 1.16.7
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -51,6 +51,14 @@ translation:
 :depth: 2
 ```
 
+除了 Anaconda 中已有的库之外，本讲座还需要以下库：
+
+```{code-cell} ipython3
+:tags: [hide-output]
+
+!pip install jax
+```
+
 ## 概述
 
 许多经济问题涉及寻找[不动点](https://baike.baidu.com/item/%E4%B8%8D%E5%8A%A8%E7%82%B9?fromModule=lemma_search-box)或[零点](https://baike.baidu.com/item/%E9%9B%B6%E7%82%B9/19736260?fromModule=lemma_search-box)（有时也称为"根"）。
@@ -217,7 +225,6 @@ plt.show()
 
 我们看到 $k^*$ 确实是唯一的正固定点。
 
-
 #### 连续近似法
 
 首先让我们用连续近似法来计算固定点。
@@ -361,7 +368,6 @@ plot_trajectories(params)
 
 我们可以看到牛顿法比连续逼近法收敛得更快。
 
-
 ##  一维求根
 
 在上一节中我们计算了不动点。
@@ -370,7 +376,6 @@ plot_trajectories(params)
 
 让我们讨论这个"求根"问题，然后说明它与寻找不动点的问题是如何联系的。
 
-
 ### 牛顿法求零点
 
 假设我们想要找到一个 $x$ 使得对某个光滑函数 $f$ (从实数映射到实数)有 $f(x)=0$。
@@ -452,7 +457,6 @@ k_star_approx_newton
 
 结果证实了我们在上面图表中看到的收敛情况：仅需5次迭代就达到了非常精确的结果。
 
-
 ## 多元牛顿法
 
 在本节中，我们将介绍一个双商品问题，可视化问题，并使用`SciPy`中的零点查找器和牛顿法来求解这个双商品市场的均衡。
@@ -677,7 +681,6 @@ e_p.item()
 
 这确实是一个很小的误差。
 
-
 #### 添加梯度信息
 
 在许多情况下，对于应用于光滑函数的零点查找算法，提供函数的[雅可比矩阵](https://baike.baidu.com/item/%E9%9B%85%E5%8F%AF%E6%AF%94%E7%9F%A9%E9%98%B5?fromModule=lemma_search-box)可以带来更好的收敛性质。
@@ -784,7 +787,6 @@ e_p.item()
 
 在开销较大的情况下，速度并不比经过优化的`scipy`函数更快。
 
-
 ### 高维问题
 
 我们的下一步是研究一个有3,000种商品的大型市场。