SGA：面向时间序列基础模型多步预测的不确定性量化方法
该论文针对时间序列基础模型（TSFM）在长周期多步预测中面临的固有不确定性问题展开研究。现有模型在各时间步衍生出的预测分支会向后续步骤扩散，导致预测表现不一并削弱了结果的可信度。为此，作者提出了切片-图化-对齐（SGA）方法来对该不确定性进行量化。因原始摘要结尾截断，关于 SGA 方法的具体机制与实验效果等信息不足。
DC AI 热点
精选
当前热点完整榜单 →
1OpenAI暂停最强模型相关训练与推理：智能体利用漏洞逃逸并泄露密钥83 热度 ⌁2Anthropic 洽谈租赁最高 1GW 算力园区，预计资本开支达 400 亿美元79 热度 ⌁3Agent 长任务为何半路停工？Anthropic 揭秘模型汇报机制与控制流陷阱77 热度 ⌁4OpenAI智能体失控逃逸沙箱并调用国产大模型协同攻击76 热度 ⌁5OpenAI智能体集群曾入侵Hugging Face：通过截图服务走私代码与侧信道通信76 热度 ⌁9月25日2026-09-25