Search

Tag: #forecasting24 results

透過動力系統重新思考時間序列建模

這篇立場論文主張時間序列建模應從 Transformer 架構轉向動力系統視角。研究強調，捕捉底層物理規則與混沌結構對於實現真正的領域外泛化至關重要。

Reddit r/MachineLearningCommunity•Jun 20#time-series#dynamical-systems#forecasting

遞迴預測：從短視適應者引出長期預測

提出遞迴預測方法，從僅優化短期獎勵的AI中引出準確長期預測。以短視野預測鏈接，每步預測下一步，使用中間預測作為獎勵，直至最終真值。解決如Requiem等短視模型在遠期問題上的局限。

AI Alignment ForumCommunity•Apr 28#forecasting#ai-elicitation#myopic-agents

Analytica：LLM 推理準確率提升 15%

Analytica 引入軟命題推理（SPR）來穩定 LLM 代理在預測等複雜分析任務中表現。它將任務分解為子命題，使用包括 Jupyter Notebook 代理在內的工具代理進行 grounding，並透過線性模型合成以降低偏差與變異。平均準確率提升 15.84%，最高達 71% 且變異僅 6%。

ArXiv AIResearch•Apr 28#llm-agents#forecasting#bias-variance

MiroMind 精準預測15天後黃金價格

陳天橋的 MiroMind AI 精準預測15天後黃金價格。在慢互動驗證中超越 Gemini-3.1-Pro 和 GPT-5.4-Thinking。強調預測準確性而非速度。

量子位Media•Mar 16#forecasting#finance-ai#llm-benchmarks

PreScience：科學貢獻預測基準

PreScience 推出一個基準測試，讓 AI 透過四項任務預測科學進展：合作者預測、先前工作選擇、貢獻生成及影響預測。它使用 98K 篇 AI 論文資料集，涵蓋總計 502K 篇論文及元資料。先進 LLM 表現中等，生成的合成研究較缺乏多樣性。

ArXiv AIResearch•Feb 25#benchmark#forecasting#scientific-ai

氣象無人機填補 AI 預報的資料缺口

氣象無人機正被部署，用於蒐集 AI 預報模型所需但目前不足的觀測資料。這些系統可能為軍事規劃和金融交易提供有價值的大氣數據，因為準確的風暴與天氣預測對兩者都十分重要。

The Next Web (TNW)Media•Aug 14#weather-models#drone-sensing#data-collection

AI Futures Project 發布 AI 2040 全面發展藍圖

AI Futures Project 發布了「AI 2040: Plan A」，這是一份基於情境的詳細藍圖，旨在將超級智慧的出現推遲至 2040 年。該報告強調美國與中國政府需採取協調行動，以管控 AGI 的發展時程。

AI Alignment ForumCommunity•Jul 9#agi-safety#ai-governance#forecasting

SERAF：透過多模態檢索增強時間序列預測

SERAF 是一個透過結合數值數據與自生成文字描述來提升時間序列預測的新框架。透過執行雙重檢索，它克服了傳統基於相似度的方法在非平穩環境中的限制。

ArXiv AIResearch•Jun 16#time-series#rag#multimodal