时间序列预测是实际应用中的一项至关重要且具有挑战性的任务。预测时间序列的预训练基础模型的最新进展引起了人们的重大兴趣。但是，当前的方法通常忽略了时间序列的多尺度性质，这对于准确的预测至关重要 ...

随着对生成AI（Genai）推断的前所未有的需求，主导Genai（例如一般矩阵 - 矢量乘法（GEMV））的原语的加速度引起了很大的关注。 GEMV的挑战是原始需求的高内存带宽。多个存储器供应商提出了在内存中可行的可行处理（PIM）原型，该原型通过通过计算功能增强内存库并将相同命令广播到所有银行，从而使带宽超过了处理器 ...

时间序列预测对于理解和预测各个领域的复杂动态至关重要，从金融和经济学到气候和医疗保健。基于 Transformer 体系结构，一种方法涉及将从相同时间戳的多个变量编码为单个时间 Token 以建模全局依赖性。相反，另一种方法将单个序列的时间点嵌入到单独的变量 Token 中 ...

当今的AI系统具有人为设计的固定架构，无法自主，不断地改善自己。 AI的进步本身可以自动化。如果安全完成，那将加速AI的开发，并使我们能够更快地获得其收益 ...

DeepSeek R1对于大型语言模型（LLM）具有显着高级的复杂推理。尽管最近的方法试图在多模式设置中复制R1的推理能力，但它们面临局限性，包括推理和最终答案之间的矛盾，在长链探索过程中模型不稳定性和崩溃，以及数据学习效率低。为了应对这些挑战，我们提出了炸玉米饼，这是一种新颖的强化学习算法，用于视觉推理 ...

链接预测是图形结构数据的基本问题（例如，社交网络，药物副作用网络等 ...

推理模型已在许多涉及数学，代码和科学的基准上取得了迅速的进步。然而，关于推理的最佳培训食谱仍然存在许多公开问题，因为最先进的模型通常依赖于几乎没有可用信息的专有数据集。为了解决这个问题，Openthight项目的目标是创建用于培训推理模型的开源数据集 ...

时间序列预测是各种领域的重要应用，例如能源管理，交通计划，金融市场，气象和医学。但是，实时序列数据通常呈现出复杂的时间变异性和急剧波动，这对时间序列预测构成了重大挑战。以前依赖1D时间序列表示的模型通常会因复杂的时间变化而挣扎 ...