热点事件持续更新
研究团队提出混合架构时序基础模型HART
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在 arXiv 发布时间序列基础模型 HART。该模型通过交替堆叠 Attention 与 RWKV 模块，解决了 RWKV-7 在非自回归多步预测中的长周期性能衰减问题。测试结果显示，在 GIFT-Eval 和 TIME-Benchmark 两大评测基准中，HART 的中长周期表现超越了纯 RWKV 模型，综合性能也优于同尺寸的纯 Transformer 模型。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
研究团队提出交替堆叠 Attention 与 RWKV 的时序基础模型 HART。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习HART：混合 Attention 与 RWKV 的时间序列基础模型
研究人员提出时间序列基础模型 HART，通过交替堆叠 Attention 与 RWKV 模块，解决了 RWKV-7 在非自回归多步预测中的长周期性能衰减问题。在 GIFT-Eval 和 TIME-Benchmark 评测中，其中长周期表现超越纯 RWKV，综合性能优于同尺寸纯 Transformer。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。