热点事件持续更新
研究团队提出可解释时间序列MoE框架MoTIF
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年11月，研究团队发布针对不规则时间序列的可解释框架MoTIF。该框架利用MoE注意力机制，能够将不规则时间序列分解为分钟至年尺度的时序模式。测试结果显示，在合成数据上，其区间模式与周期模式的正确路由率分别达到0.389和0.829，在下一值预测任务中表现优于标准Transformer与未特化MoE模型。此外，在信用卡数据集的金额预测测试中，MoTIF取得了更高的macro-F1分数。目前相关代码已开源。
AI 根据报道生成 · 14 小时前更新
最新进展11月3日 13:00
研究团队推出可解释框架MoTIF并开源代码，可将不规则时序分解多尺度模式。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 机器学习MoTIF：利用 MoE 将不规则时间序列分解为可解释的时序模式
研究团队提出可解释框架 MoTIF，利用 MoE 注意力机制将不规则时间序列分解为分钟至年尺度的时序模式。在合成数据上，其正确路由率达 0.389（区间模式）和 0.829（周期模式），在下一值预测中超越标准 Transformer 与未特化 MoE。在信用卡数据集上其金额预测取得更高 macro-F1，目前代码已开源。
本事件热度走势
当前热度 6·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。