Event2Vec：历史向量按事件求和，线性模型可精确分解到单事件
sulcantonin · reddit · 2026-10-14
作者发布开源库 Event2Vec（NeurReps@NeurIPS Workshop 论文，arXiv 2509.12188），用极简结构学习离散事件序列（购买、日志、临床编码等）的嵌入：历史向量是事件向量的滚动求和（范数截断），通过自监督的下一事件预测+重建项训练，无需标签。
核心性质：因为历史是求和，任何线性评分（如流失/风险分）都能精确分解为各事件的贡献项 score = Σ ei·w + b，天然可解释。针对「求和可交换、丢失顺序信息」的质疑，训练过程本身非可交换，且库提供多种非交换几何空间：双曲（Möbius 加法，适合层级）、κ-stereographic（一个曲率旋钮从双曲到球面连续过渡）、球面（循环结构）、SO(n) 旋转（非交换，顺序改变终点）、Heisenberg 群（同终点但带记录顺序的符号面积坐标）及上述空间的乘积。
项目起源于伯克利实验室 Advanced Light Source 的故障序列根因分析，当时作者在事件日志上误用 Word2Vec、需要方向性而不想上黑盒序列模型。提供 scikit-learn 风格 API（fit/transform、gensim 式 mostsimilar），PyTorch 后端，支持 CPU/CUDA/MPS，MIT 协议，文档含交互式图表（event2vec.com）。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23