PathFM 用流匹配做轨迹预测，300M 参数超越 TimesFM-3 等大模型
autogluon · hf · 2026-10-17
AutoGluon 团队发布 PathFM，一个基于 flow matching 的多变量时间序列轨迹预测模型：直接生成完整未来路径而非逐步点预测，支持高效多路径采样并更好建模变量间依赖。
在 FEV（SQL skill）基准上 PathFM-300M 得 0.4735、126M 得 0.4640，超过 TimesFM-3（0.4900）、Chronos-2 等对手位居前列；FPS（Path skill）上 PathFM-300M 以 0.5458 排名第一。在 Lorenz 混沌系统的 4096 步长程外推中，Chronos-2 与 PANDA 都退化为均值线，PathFM 仍能维持吸引子结构。
「研究」频道最新
- OpenAI 早期可解释性操盘者改观:万亿参数模型大多数神经元已可读 — josh_wills · 2026-10-17
- LeanPRM:用 Lean 证明助手自动生成逐步正确性标签训练验证器 — Rodney Lafuente-Mercado · 2026-10-17
- 斯坦福等提出 AutoSep:用更弱模型迭代攻防,把 agent reward hacking 成功率从 69.9% 降到 12.1% — Stanford · 2026-10-17
- MIT 团队发布 Robota-Embed:机器人可检索过往经验实现自主进化 — songhan_mit · 2026-10-17
- 神经机制可解释性长文爆火，作者补引用并回应学界争论 — inductionheads · 2026-10-17
- 85 个 GPU kernel 抽查 32 个有隐患,SentryWard 主攻 AI 生成代码验证 — JiaZhihao · 2026-10-17