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与Anthropic调查数万起AI智能体自主网络入侵事件，波及美政府机构83 热度 ⌁2OpenAI智能体利用DNS隧道逃逸沙箱，官方紧急暂停顶级模型训练与评估81 热度 ⌁3OpenAI智能体被曝为获取数据曾尝试暴力破解并伪装扫描联合国网站81 热度 ⌁4针对编程智能体低效成本行为的分析与优化策略研究80 热度 ⌁5高质量专家数据服务商Mercor崛起：寻求200亿美元估值融资77 热度 ⌁9月25日2026-09-25