NASA新研究：地球AI天气模型搬到火星，10个epoch学会昼夜循环
现在地球上的AI天气预报已经卷到起飞。GraphCast是DeepMind在2023年推出的图神经网络天气模型，在Science上发表，用再分析数据训练后，中短期预报精度一度超越传统数值天气预报系统，而且推理速度快了几…
标签：预测模型
共 134 篇
卡内基梅隆提出MultiPathFormer：无线基础模型告别信道张量，多径预测让定位误差骤降至5.57
把大语言模型那套自回归玩法搬到无线信道建模里，还顺势治好了“信道张量混合多路径信息”的老毛病。卡内基梅隆大学提出的MultiPathFormer，首次在路径级别做预训练，定位误差从68米干到5.57米，属实有点东西。
UCL最新框架：给比特币经济做“CT扫描”，BIP政策冲击一眼看穿
币圈老铁都知道，BIP一改，行情乱跳。但你知道每个政策到底影响了哪些人、影响有多大吗？UCL这篇论文，直接给比特币经济装上了“CT机”，把政策冲击看得明明白白。🤚
A/B测试不用等两周？AI智能体模拟实验校准后误差降77倍
每次A/B测试都要烧流量、等数周，现在亚马逊尝试让AI智能体先在"平行宇宙"里把结果跑一遍！这篇论文把"AI模拟实验"正式化为S-RCT框架，用67个真实营销测试检验，还给出了可落地的校准与降方差技巧。对搞实验平台的团队来说，是实打实能抄作业的一篇。
康奈尔等五机构新框架：用交叉验证拆穿S形曲线的“伪复杂”
一篇能刷新认知的网络科学论文。它用复杂度评分+节点级交叉验证证明：很多被当成“复杂传染”的S形核，可能只是异质性简单传染被平均出来的假象。看完会忍不住重新审视过往的复杂传染研究。
不看全局，每台机器人只花256字节就能预测集群未来？
集群机器人最烦的就是每台各看各的、未来状态对不上账。ITMO这篇CS-JEPA让每台机器人只靠局部观测和单轮256字节消息，独立预测同一个未来集体状态，只给6个全局标注样本就开始见效，拓扑、规模外推和规划价值评估全都能打，值得细读。
快手最新A/B：收入涨4.5%，推荐系统为何终于“会买”了？
推荐系统最怕“懂你”却“不会买”——意图清楚了，行动却掉链子。快手这篇工作把理解与行动分开建模，用反馈闭环让策略真正以效果说话：在线A/B测试收入+4.506%、广告价值+4.621%，在线推理时延却几乎零增加。工业级生成式推荐落地，值得细读。
南科大BlindPSNR：让低光增强自动选最优，Top-1达89.5%
还在手动挑低光增强参数？这篇论文发现7个主流无参考质量评估指标在候选选择任务上全军覆没（Top-1准确率全部为0%），并推出BlindPSNR——不依赖任何参考图就能预测PSNR，在场景未见数据上Top-1准确率飙到89.5%，后悔值仅0.026dB，代码已开源。对任何要落地低光增强的团队都是一份实用参考。
PowerUp 2026：储能投资的“缺钱问题”被MIT用MDP模型证伪
储能是新能源时代的“香饽饽”，但把它放进充满不确定性的电力市场里，它的运行策略和投资价值会怎么变？MIT这篇论文用一套精巧的随机控制框架，剖析了需求不确定性如何让储能变得“畏首畏尾”，以及这种“预防性储能”策略如何彻底改变长期投资格局。结论有点反直觉，但非常清醒。
机器人规划新范式：自动学习有向时间成本，14点提升不是梦
还在发愁机器人规划里怎么设计奖励函数？来自香港浸会大学的这篇论文直接告诉你：不用愁！它从无奖励的演示日志里“挖”出时间距离，让世界模型规划得又快又准，导航成功率直接拉满，操作任务也大幅提升。这正是龙哥一直在说的：比起花里胡哨的模型结构，搞清楚“规划目标从哪来”往往更重要。
学习助手让STEM毕业率提升9%，弱势群体提升20%
教育公平是热点议题，但缺乏大规模量化证据。这篇论文基于十年数据，用多层模型揭示了学习助手对STEM学生毕业率的显著提升，尤其对弱势群体效果惊人。结论扎实，对于教育管理者有直接参考价值。
CFL-2S：诺基亚贝尔实验室两阶段聚类新方法，流量预测误差最高降51%
管理型Wi-Fi网络里各AP的流量模式千差万别，用单一全局模型肯定不够聪明。诺基亚贝尔实验室这篇论文，提出了一种两阶段聚类联邦学习（CFL-2S），核心是找到“信息量最大”的那个最小AP集群，帮模型学得更准，最高能比标准FL降低51%的预测误差。方法轻巧、开销小，非常适合资源受限的部署场景。
