热点事件持续更新
研究团队提出时间序列语言模型隐式推理框架Lapras
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究人员在 arXiv 发布成果，提出针对时间序列语言模型的后训练框架 Lapras。该框架基于教师-学生自蒸馏机制构建，在联合空间内引入连续隐式推理能力，且仅在最终答案阶段输出文本，其连续隐式状态同时支持解码为可读的推理路径。在 4 个主干模型与 5 个时间序列问答基准的评测中，Lapras 相比显式思维链（CoT）将平均 F1 分数最高提升了 10.79%，同时使生成的 token 数量减少了 23.9 倍。
AI 根据报道生成 · 4 小时前更新
最新进展10月9日 12:00
研究人员提出 Lapras 框架，可在提升时序语言模型推理表现的同时减少 23.9 倍 token 生成。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理Lapras：时间序列语言模型的隐式推理框架
研究人员提出 Lapras 后训练框架，为时间序列语言模型引入联合空间内的连续隐式推理能力，且仅在最终答案阶段输出文本。在 4 个主干模型与 5 个时间序列问答基准评测中，Lapras 相比显式 CoT 将平均 F1 最高提升 10.79%，生成的 token 数量减少 23.9x。该框架基于教师-学生自蒸馏构建，其连续隐式状态仍支持解码为可读的推理路径。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·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。