Forking-Sequences Part II：用多horizon预测集成降低预测波动性
Forking-Sequences 在单次前向传播中为每个目标日期生成重叠预测，因此推理时集成几乎不增加编码器计算。研究提出 sFPC 和 Excess Volatility 两个波动性指标，指数平滑集成（α=0.9）可将 sEV 降低 10–13%，精度损失低于 0.1%。
CMU Machine Learning Blog
blog.ml.cmu.edu · 网站与博客
切换来源
全部网站与博客新闻IT Home8622 条Simon Willison353 条OpenAI News317 条TechCrunch · AI265 条The Decoder245 条Hugging Face Blog151 条The Verge · AI143 条Claude Blog135 条elsewhere articles109 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus63 条Claude Platform release notes62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条NVIDIA Blog46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Every latest articles6 条CMU Machine Learning Blog1 条MarkTechPost · 历史来源101 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源44 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
1 条AI 相关新闻 · 最新在前
CMU Machine Learning BlogAI 评分4141