热点事件持续更新
研究团队提出扩散传递熵模型 ATEMPO
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究人员在 arXiv 发布论文，提出基于扩散模型的传递熵估计器 ATEMPO。该模型通过单一评分网络跨延迟与时间进行摊销，无需重复拟合即可估计完整的传递熵曲面。实验表明，在已知延迟数据集上，ATEMPO 的检测准确率达到 0.98±0.04，并在 K=6 与 L=3 的深度网格上成功将 18 次拟合压缩为单次。在实际下游任务中，其筛选的特征使 WEATHER-5K 数据集的均方误差（MSE）降低了 7.25%，并在三项脑机接口任务中实现了平均 R² 提升 4.1%。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队提出扩散传递熵模型 ATEMPO，实现单次拟合估计完整曲面并提升脑机接口等任务表现。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 人工智能ATEMPO：跨延迟与时间的摊销传递熵模型
研究人员提出基于扩散模型的传递熵估计器 ATEMPO，通过单一评分网络跨延迟与时间摊销，无需重复拟合即可估计完整传递熵曲面。在已知延迟数据集上，ATEMPO 达到 0.98±0.04 的检测准确率，在 K=6 与 L=3 深度网格上将 18 次拟合压缩为单次。其筛选特征使 WEATHER-5K 数据集 MSE 降低 7.25%，三项脑机接口任务平均 R² 提升 4.1%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28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。