ForecastingCo 首篇论文:教 Transformer 处理真实时序数据做预测
fpedregosa · x · 2026-09-27
ForecastingCo 的首篇论文获转发者力荐,深入讲解如何让 Transformer 处理真实世界的时间序列数据并做预测。
核心思路:真实时序数据是多流并行的,且信息截断点(cutoffs)很关键;此外许多关于未来的信息是已知的,如节假日、天气预报等,应作为已知未来协变量纳入模型。
「研究」频道最新
- 新采样方法 CNS 给扩散模型注入彩色噪声,显著改善 FID — serrjoa · 2026-09-27
- 学者预测：数月内投稿前不用 AI 验证证明将成「不当行为」 — RexDouglass · 2026-09-27
- JevBench 评测者：多数模型输在设置与校准等低级失误 — airesearch12 · 2026-09-27
- 「数学实际上已死」:新文呼应 Daniel Litt 对 AI 时代数学未来的判断 — burny_tech · 2026-09-27
- 研究:预训练 LLM 微调后可做侧信道攻击,12 条迹即破解 AES 密钥 — chaumian · 2026-09-27
- 重读 2022 年 APE 论文：LLM 自动写 prompt 已达人类水平 — cephaloform · 2026-09-27