作者:梁慧娟发布时间:2026-11-21 14:40:18 点击数:75870

近日行业报告披露重要信息浏阳烟花厂爆炸已致21死61伤 很高兴为您解答这个问题,让我来帮您详细说明一下。品牌授权报修电话,快速上门服务

上海市市辖区嘉定区青海省海西蒙古族藏族自治州德令哈市四川省宜宾市翠屏区亳州市利辛县云南省西双版纳傣族自治州勐腊县朝阳区管庄地区崇左市山西省吕梁市岚县山西省晋城市高平市福建省福州市永泰县淮南市大通区四川省凉山彝族自治州西昌市重庆市市辖区北碚区丰台区长辛店镇山东省枣庄市台儿庄区福建省南平市辽宁省沈阳市阿克苏地区新和县云南省大理白族自治州云龙县百色市靖西市喀什地区叶城县青海省海西蒙古族藏族自治州德令哈市云南省丽江市宁蒗彝族自治县亳州市利辛县湖北省宜昌市夷陵区内蒙古锡林郭勒盟镶黄旗蚌埠市蚌山区密云区高岭镇山东省聊城市茌平区江苏省南京市浦口区贵州省铜仁市玉屏侗族自治县北海市海城区怀柔区宝山镇百色市靖西市山西省晋中市太谷区甘肃省陇南市武都区内蒙古锡林郭勒盟镶黄旗江苏省镇江市句容市桥西区东华街道四川省甘孜藏族自治州九龙县银川市贺兰县上海市市辖区嘉定区平山县岗南镇云南省怒江傈僳族自治州福贡县陕西省汉中市西乡县海淀区青龙桥街道河西区桃园街道广东省云浮市新兴县密云区河南寨镇四川省成都市双流区山西省吕梁市中阳县山西省晋城市高平市四川省泸州市江阳区辽宁省铁岭市清河区和平区南市街道桂林市兴安县山西省临汾市安泽县武清区汊沽港镇四川省甘孜藏族自治州泸定县北辰区江苏省徐州市云南省大理白族自治州云龙县陕西省商洛市山阳县西藏山南市四川省凉山彝族自治州昭觉县福建省三明市梅列区武清区汊沽港镇辽宁省沈阳市沈河区山东省枣庄市台儿庄区湖北省恩施土家族苗族自治州建始县江苏省徐州市内蒙古鄂尔多斯市康巴什区贵州省黔东南苗族侗族自治州天柱县朝阳区双井街道南开区长虹街道广东省汕头市南澳县辽宁省沈阳市陕西省汉中市南郑区甘肃省兰州市甘肃省陇南市武都区辽宁省朝阳市北票市哈密市伊吾县蓟州区东施古镇内蒙古鄂尔多斯市鄂托克旗阿克苏地区拜城县银川市贺兰县甘肃省甘南藏族自治州山东省烟台市牟平区湖北省宜昌市夷陵区福建省南平市建瓯市四川省凉山彝族自治州昭觉县静海区西翟庄镇甘肃省陇南市武都区内蒙古锡林郭勒盟正镶白旗武清区上马台镇鹿泉区寺家庄镇山西省临汾市安泽县辽宁省沈阳市武清区汊沽港镇山东省滨州市

最新官方发布行业重要动态PathFM:如何让AI预测未来的"故事"而不只是"数字",很高兴为您解答这个问题,让我来帮您详细说明一下:官方服务专线,支持多品牌报修

江苏省连云港市赣榆区鹿泉区白鹿泉乡青海省海西蒙古族藏族自治州德令哈市元氏县内蒙古呼伦贝尔市阿荣旗云南省红河哈尼族彝族自治州绿春县四川省宜宾市江安县朝阳区小红门地区密云区不老屯镇山东省威海市蚌埠市蚌山区西藏山南市贡嘎县广东省广州市越秀区山西省晋中市榆社县湖北省孝感市汉川市桥西区苑东街道巴音郭楞蒙古自治州和硕县长安区广安街道伊犁哈萨克自治州昭苏县海南省三沙市西沙区行唐县龙州镇福建省莆田市城厢区辽宁省沈阳市桂林市秀峰区静海区西翟庄镇濮阳市南乐县山西省晋城市高平市合肥市庐阳区新乐市协神乡山西省阳泉市平定县蚌埠市龙子湖区丰台区右安门街道蓟州区东二营镇隆安县信阳市平桥区陕西省咸阳市兴平市马鞍山市博望区湖北省宜昌市宜都市贵州省六盘水市水城县广东省佛山市三水区许昌市建安区山东省烟台市牟平区宝坻区牛家牌镇和田地区鹿泉区寺家庄镇防城港市东兴市丰台区和义街道江苏省连云港市赣榆区四川省广元市辽宁省辽阳市白塔区山东省威海市广东省广州市越秀区桂林市兴安县丰台区宛平城地区江西省景德镇市昌江区南阳市内乡县内蒙古鄂尔多斯市鄂托克旗朝阳区酒仙桥街道山西省吕梁市中阳县四川省甘孜藏族自治州泸定县广东省汕头市南澳县江苏省苏州市相城区湖北省襄阳市襄州区江西省吉安市吉安县吉林省长春市双阳区云南省丽江市宁蒗彝族自治县焦作市中站区防城港市东兴市怀柔区雁栖地区蚌埠市蚌山区怀柔区雁栖地区湖北省襄阳市襄州区甘肃省定西市渭源县桥西区苑东街道内蒙古兴安盟乌兰浩特市江西省宜春市宜丰县辽宁省锦州市义县云南省丽江市宁蒗彝族自治县四川省广元市江苏省连云港市赣榆区丰台区宛平城地区河东区东新街道云南省红河哈尼族彝族自治州泸西县焦作市中站区江苏省南京市浦口区怀柔区宝山镇内蒙古呼伦贝尔市阿荣旗武清区汊沽港镇河东区东新街道云南省丽江市宁蒗彝族自治县江西省吉安市永新县塔城地区和布克赛尔蒙古自治县山西省忻州市宁武县阿克苏地区拜城县江西省鹰潭市余江区山西省晋城市高平市内蒙古锡林郭勒盟镶黄旗山东省潍坊市青州市福建省莆田市城厢区桥西区苑东街道

全球服务区域:丰台区和义街道甘肃省白银市景泰县江西省鹰潭市余江区宝坻区牛家牌镇云南省大理白族自治州云龙县芜湖市南陵县防城港市东兴市陕西省西安市未央区江西省宜春市宜丰县怀柔区龙山街道江西省鹰潭市余江区云南省怒江傈僳族自治州福贡县江西省吉安市吉安县湖北省宜昌市秭归县陕西省西安市未央区云南省红河哈尼族彝族自治州绿春县上海市市辖区嘉定区云南省大理白族自治州云龙县广东省汕头市龙湖区黑龙江省伊春市金林区广东省惠州市龙门县重庆市县巫山县山东省潍坊市青州市山东省东营市垦利区云南省怒江傈僳族自治州福贡县山东省威海市平山县小觉镇信阳市平桥区平山县小觉镇黑龙江省佳木斯市汤原县塔城地区和布克赛尔蒙古自治县湖北省宜昌市秭归县平山县岗南镇西藏阿里地区日土县海淀区青龙桥街道四川省宜宾市翠屏区河东区大直沽街道云南省玉溪市新平彝族傣族自治县甘肃省白银市景泰县贵州省六盘水市水城县陕西省汉中市留坝县江西省吉安市吉安县马鞍山市博望区隆安县平山县岗南镇云南省西双版纳傣族自治州勐腊县江苏省苏州市相城区内蒙古呼伦贝尔市阿荣旗广东省汕头市龙湖区许昌市建安区江西省吉安市永新县吉林省白山市浑江区黑龙江省大兴安岭地区呼玛县贵州省铜仁市印江土家族苗族自治县青秀区阿克苏地区新和县江西省鹰潭市余江区山西省临汾市安泽县四川省凉山彝族自治州甘洛县南开区体育中心街道平山县岗南镇蓟州区东赵各庄镇江西省吉安市吉安县黑龙江省伊春市金林区武清区汊沽港镇江西省景德镇市昌江区昌平区阳坊镇内蒙古兴安盟乌兰浩特市湖北省恩施土家族苗族自治州恩施市云南省红河哈尼族彝族自治州绿春县防城港市东兴市洛阳市汝阳县昌平区延寿镇元氏县殷村镇武清区汊沽港镇湖北省宜昌市西陵区和平区南市街道江西省宜春市宜丰县四川省成都市金牛区四川省成都市新都区山东省潍坊市青州市芜湖市南陵县云南省玉溪市新平彝族傣族自治县北海市海城区蓟州区东施古镇昌平区回龙观街道山东省枣庄市台儿庄区新乐市协神乡陕西省汉中市南郑区蓟州区东赵各庄镇朝阳区双井街道辽宁省沈阳市沈河区防城港市东兴市内蒙古兴安盟乌兰浩特市四川省遂宁市蓬溪县乌鲁木齐市沙依巴克区蚌埠市龙子湖区崇左市宁明县江苏省徐州市丰县西藏阿里地区日土县

今日国家机构披露行业新成果PathFM:如何让AI预测未来的"故事"而不只是"数字",很高兴为您解答这个问题,让我来帮您详细说明一下:售后服务维修中心电话,支持多渠道服务

全国服务区域:广东省珠海市斗门区南阳市内乡县元氏县江西省萍乡市上栗县黑龙江省大兴安岭地区呼玛县甘肃省陇南市山西省忻州市定襄县湖北省孝感市汉川市海南省三沙市西沙区蚌埠市龙子湖区青海省果洛藏族自治州元氏县殷村镇四川省成都市双流区无极县大陈镇云南省怒江傈僳族自治州福贡县青海省海南藏族自治州贵德县福建省厦门市海沧区蓟州区东二营镇桂林市兴安县平山县宅北乡内蒙古乌海市乌达区山西省晋中市灵石县广东省汕头市南澳县黑龙江省伊春市金林区江西省吉安市永新县福建省福州市永泰县陕西省汉中市西乡县四川省德阳市广汉市芜湖市南陵县平山县岗南镇甘肃省陇南市武都区黑龙江省哈尔滨市巴彦县吉林省长春市双阳区江苏省镇江市句容市湖北省宜昌市夷陵区密云区古北口镇博尔塔拉蒙古自治州温泉县西藏山南市山西省晋城市高平市西城区月坛街道焦作市中站区青海省海西蒙古族藏族自治州德令哈市广东省汕头市南澳县桂林市兴安县濮阳市南乐县怀柔区宝山镇江西省萍乡市上栗县广东省汕头市南澳县阿克苏地区拜城县河东区大直沽街道四川省广元市青海省海西蒙古族藏族自治州德令哈市贵州省黔东南苗族侗族自治州天柱县四川省宜宾市翠屏区甘肃省陇南市武都区西城区月坛街道乌鲁木齐市沙依巴克区昌平区阳坊镇辽宁省铁岭市开原市井陉县吴家窑乡大兴区山东省聊城市冠县甘肃省天水市秦州区山东省枣庄市台儿庄区江苏省连云港市赣榆区山东省潍坊市青州市福建省福州市罗源县四川省宜宾市珙县延庆区康庄镇山西省晋中市灵石县黑龙江省伊春市金林区井陉县测鱼镇福建省南平市江西省吉安市永新县江苏省南通市启东市辽宁省锦州市义县西藏山南市贡嘎县福建省莆田市仙游县福建省厦门市湖里区吉林省白山市浑江区四川省甘孜藏族自治州泸定县钦州市青海省海南藏族自治州贵德县山东省潍坊市青州市内蒙古鄂尔多斯市鄂托克旗青海省海西蒙古族藏族自治州德令哈市西藏山南市贡嘎县昌平区延寿镇云南省普洱市景东彝族自治县蓟州区东二营镇哈密市伊吾县平山县岗南镇鹿泉区寺家庄镇丰台区长辛店镇辽宁省沈阳市沈河区青海省海北藏族自治州门源回族自治县黑龙江省绥化市明水县北辰区吉林省长春市双阳区朝阳区管庄地区

售后服务上门服务电话,智能分配单据:PathFM:如何让AI预测未来的"故事"而不只是"数字"

你有没有想过一个问题:天气预报说明天降雨概率百分之七十,这句话到底在告诉你什么?

它只是说,明天这一个时刻下雨的可能性是百分之七十。但它没告诉你,雨会不会持续一整天,会不会先大后小,会不会在你出门那一刻恰好停了又下。这种预测叫边际预测,它只管每个时间点各自的概率,不管这些时间点连起来会变成什么样的故事。

时间序列预测模型,本质上长期以来都在干这件事。它们预测用电量的时候,给你每一个小时的概率区间,预测股价的时候,给你每一天的分位数。听起来已经很厉害了,但这里藏着一个被忽略很久的漏洞。

核心问题:我们一直在评分错的东西

想象你要预测一个仓库未来三十天的总出货量。模型给了你每一天的预测区间,第一天大概在80到120之间,第二天在85到115之间,以此类推。这些区间看起来都很准。

但如果你真正关心的是三十天加起来的总量,这些单天区间根本帮不上忙。你不知道高峰和低谷会不会同时出现,不知道这三十个数字之间有没有某种此消彼长的关系。两个模型可能给出完全一样的三十组单日区间,但一个预测里每天都独立随机波动,另一个预测里所有天数要么一起偏高要么一起偏低。累加起来的总量分布可能天差地别。

这就是这篇论文的出发点。来自加州理工和亚马逊的研究团队在PathFM这篇论文里指出,主流的时间序列基础模型,无论是Chronos-2、TimesFM还是Toto,几乎都在优化边际分位数,它们能在常用基准上拿到很高的分数,但这些分数衡量不出模型是否学会了未来各个时刻之间该怎么联动。

论文里有张图特别直观,画的是混沌系统洛伦兹吸引子的长期预测。用传统方法微调出来的Chronos-2,预测轨迹画出来是一团收缩到中心的小圈,而论文提出的PathFM画出来的是两片完整的蝴蝶形状,和真实系统的长期行为几乎一致。这不是精度差一点的问题,这是预测模型有没有抓住系统灵魂的问题。

分位数预测:给出每个时间点独立的若干个概率分位点,比如10%、50%、90%分位数,但不说明不同时间点之间该怎么组合

轨迹依赖量:像累计需求、峰值负荷、首次越过某个阈值的时刻,这些量必须看完整条未来路径才能算出来,光看每个时间点的边际分布算不出来

研究者们面对的真正难题是,想做出能生成完整轨迹的模型并不难,过去已经有基于扩散模型或者流匹配的生成式时间序列模型,问题是它们要么边际精度不够好,要么采样速度慢得没法用。生成一条完整路径往往需要几十次模型推理,如果你想要几十条路径凑一个预测分布,计算成本直接起飞。

这就好比你想知道一场马拉松的完赛时间分布,靠谱的办法是真的找几十个人跑几十趟,记录每一趟的完整轨迹。如果跑一趟要花一整天,你肯定没法跑五十趟。如果你图省事,干脆每公里单独估计一个时间区间然后拼起来,那你永远不知道真正跑起来的人是前快后慢还是前慢后快,这个信息在拼接过程中彻底丢失了。

PathFM要解决的,就是既要像真人那样完整地跑完全程,又要跑得足够快,快到能跑几十趟。

方法一:用流匹配直接生成整条路径

PathFM的核心思路是,别再预测一个个孤立的分位数了,直接学习一个能生成完整未来轨迹的生成模型。

它用的技术叫流匹配。

流匹配:一种训练生成模型的方法,训练一个叫做速度场的函数,这个函数描述了怎样把一堆随机噪声,沿着一条光滑路径,逐步变换成目标数据分布。推理时从噪声出发,按照这个速度场一步步积分,最终落到一个符合目标分布的样本上

具体来说,模型会把观测到的历史数据和已知的未来协变量当作条件,学习一个速度场,这个速度场告诉你,给定当前这个带噪声的轨迹状态和当前所处的"流时间",应该往哪个方向调整才能更接近真实的未来。推理的时候,从一个随机的高斯噪声出发,沿着这个速度场积分,最终生成一条完整的、长度和维度都和真实未来一致的轨迹。

这里有个关键的设计:整条轨迹是作为一个整体生成的,时间步之间、不同变量之间的依赖关系,都在这一次生成过程里被自然地编码了进去,不需要额外假设独立或者某种人为设定的相关结构。

这就像你画一张城市的地铁线路图,如果你先画好所有的站点坐标,再单独画每条线连接哪些站,两张图很可能对不上。但如果你是一笔一笔把整条线连贯地画出来,起点到终点一气呵成,线路的走向自然就是一致的,不会出现断裂或者矛盾。流匹配做的就是这种一气呵成的生成,而不是先定点再连线。

方法二:用蒸馏把几十步压缩成一两步

流匹配听起来很美好,但有个致命问题,采样一条轨迹通常需要几十次连续的网络计算,每一步都依赖上一步的结果,没法并行。如果你想要三十二条路径凑一个预测集合,计算量直接乘以几十倍,实际部署根本扛不住。

论文用了一种叫并行解码蒸馏的技术来解决这个问题。

并行解码蒸馏:把原本需要分成二十个小区间、逐步积分的采样过程,压缩成一到两次网络评估就能完成。做法是训练一个学生模型,去模仿一个已经训练好、保持不变的老师模型在学生自己生成的状态上给出的速度预测,这样学生只需要一次或两次计算,就能逼近老师走完整个流程的效果

实验结果显示,用一次评估的蒸馏学生模型,精度已经接近用十次评估的老师模型,用两次评估甚至还能小幅超过老师。这个结果挺反直觉的,一般人会觉得压缩步骤肯定要牺牲精度,但蒸馏学生反而比原始的一步或两步直接截断效果更好,因为蒸馏专门针对少步数场景做了优化,老师模型本身并不是为少步数设计的。

这个设计解决的根本矛盾是,生成式模型的优势在于能表达复杂的联合分布,但代价往往是推理慢。如果推理慢到没法实际用,那表达能力再强也是纸上谈兵。

打个比方,这就像请一位大厨做一道需要文火慢炖三小时的菜,味道确实好,但你中午十二点下单,下午三点才能吃上,很多场合根本等不起。蒸馏做的事情,相当于大厨把三小时的工艺总结成一套快速复刻的手法,用高压锅十五分钟做出来,味道还能保持八九成以上的水准。如果没有这道蒸馏工序,PathFM生成三十二条路径可能要花掉几秒钟甚至更久,在真实的在线预测场景里根本没法用。

方法三:共享历史计算,进一步压缩开销

除了压缩采样步骤,PathFM还在模型结构上做了一个巧妙的设计,叫延迟进入。

延迟进入:模型的前几层只处理历史数据和已知的未来协变量,不涉及随机噪声和采样时间,这部分计算对同一个历史窗口来说,生成多少条路径都只需要算一次。从某一层开始之后,才引入随机噪声开始真正的轨迹生成过程,而且这之后的层里,历史部分的注意力只对历史自己计算,不会因为不同路径而重复计算

这意味着,如果你想对同一段历史生成三十二条不同的未来路径,大头的历史编码计算只需要做一次,后面每条路径只需要算各自独有的那部分。论文的实测数据显示,这个设计让一批十六个历史序列的推理时间,从单独处理时的两千六百多毫秒降到了八百多毫秒,内存占用也从3.22吉字节降到1.58吉字节。

这就好比一个老师要给三十个学生批改同一份数学卷子的不同解法,如果每次批改都要重新读一遍题目和标准答案,那就是重复劳动。合理的做法是先把题目和评分标准吃透一次,然后每份答卷只需要对照着看学生自己写的部分,效率自然就上来了。如果不做这个共享,PathFM生成多条路径的优势会被计算成本的线性增长完全抵消,快采样也就失去了意义。

方法四:直接对生成结果做校准训练

蒸馏之后还有一个问题,蒸馏出来的少步数采样器,边际精度可能和原本的多步流模型有差距,毕竟压缩总是有代价的。

论文的解法是,干脆直接针对生成出来的样本,优化一个叫公平CRPS的指标。

CRPS:连续分级概率得分,是衡量概率预测质量的一种常用指标,数值越小说明预测分布和真实观测值越接近

公平CRPS:普通的CRPS用有限个样本估计时会有偏差,容易让模型学会故意收窄预测范围来刷分,公平CRPS则是经过无偏修正的版本,用有限样本估计时不会鼓励这种投机取巧的行为

因为蒸馏已经把采样过程压缩到一两步,这个过程现在是可微分的,也就是说可以对它直接反向传播梯度。这就让研究者可以把公平CRPS这个指标当成额外的训练目标,直接告诉模型,你生成出来的那几条样本路径,整体上要更贴近真实观测值的分布。这一步被称为校准训练,它和蒸馏的老师监督同时进行,既保持生成轨迹的联合结构不走样,又把边际精度往回拉。

这有点像考前的模拟测验,蒸馏相当于把厚厚的教材压缩成一本薄薄的速成讲义,内容是对的,但做题手感可能生疏了。校准训练就是拿着真题反复刷题对答案,专门纠正那些容易失分的细节,而不是重新去啃一遍教材。

方法五:专门设计的轨迹评分体系

这篇论文的另一个重要贡献,是意识到光靠现有的基准测试,根本看不出一个模型是不是真的学会了轨迹依赖关系。所以他们专门搭建了一套叫fps-bench的评测体系。

fps-bench:论文新提出的评测基准,在现有的fev-bench任务基础上,补充了六种互补的评分方式,专门用来检验预测路径的时序依赖和轨迹相关量的表现,而不只是看每个时间点的准确性

这六种评分分别检验了不同角度的问题,一种看整条路径的分布形态,一种专门看相邻时间点之间的变化量,一种检验任意两个时间点之间数值的相关结构,还有三种分别针对整个预测期的总量、最大值和首次越过某个阈值的时间点。

对于只会输出分位数的模型,论文设计了两种补全方式去凑出完整路径,一种假设每个时间点的具体取值互相独立,一种假设整个预测期共享同一个分位数排名,也就是说如果某次预测在某个时间点偏高,那么在其他时间点也会同步偏高。这两种假设代表了两种极端,现实往往介于两者之间,但至少提供了公平的参照。

结果怎么样

先看边际精度的表现。

在fev-bench这个广泛使用的基准上,PathFM的三亿参数版本排名第二,仅次于TimesFM-3,略高于Chronos-2。在TIME基准上,两个尺寸的PathFM的CRPS都低于Chronos-2。

再看专门设计的轨迹评分fps-bench。

这里PathFM的表现最突出,三亿参数版本和一点二六亿参数版本分别拿到了第一和第二的位置,领先所有参与比较的外部模型,包括在边际精度上排名第一的TimesFM-3。这说明边际精度强和轨迹质量好,是两件不完全一致的事情,一个模型可以在单点预测上做得很准,但在轨迹一致性上表现平庸。

论文还单独拆解了六个分项得分,PathFM相对最强基线TimesFM-3的平均提升是10.6%,其中在反映相邻时间点变化量的分项、预测期总量分项和最大值分项上领先优势最明显。

推理速度方面,PathFM一次性生成三十二条路径只需要51.6毫秒,这个速度比同类的生成式模型Sundial和TimesFM-3都快,接近专门做分位数预测的轻量模型的速度水平。

最后看混沌系统这个特别严苛的测试场景。

混沌系统是一类对初始条件极度敏感的动力学系统,经典的例子是洛伦兹吸引子,初始状态差一点点,长期演化的结果就会天差地别。预测混沌系统有个特别的考验,模型未必要精确追上某一条具体的未来轨迹,但至少要保持整个系统该有的统计特征,比如状态分布的形状、能量在不同频率上的分配、几何维度等等。

论文拿PathFM和专门为混沌系统设计的PANDA模型,以及微调过的Chronos-1和Chronos-2做比较,横跨135个来自DYSTS数据集的混沌系统。结果是,PathFM在64、128、256、512四个预测长度上的点误差全部最低,同时在四项动力学一致性指标上,相对PANDA分别降低了49%到69%不等的误差。

表格下面这段对比特别值得一提。论文承认,把PathFM蒸馏到一两步之后,点预测误差会有所上升,研究者推测这是因为混沌系统对扰动特别敏感,蒸馏带来的微小误差会在自回归预测过程里被不断放大。但即便蒸馏到一两步,PathFM依然在点精度和四项动力学指标上全面超过PANDA。

PathFM(基础模型)Params. 126.3M,一个评估NFE=1,九个分位数Batch 1=51.7ms,路径Batch 1=51.6ms

Chronos-2 Params. 119.5M,一个评估NFE=1,九个分位数Batch 1=21.8ms,路径Batch 1=22.5ms

TimesFM-3 Params. 330.7M,一个评估NFE=1,九个分位数Batch 1=160.0ms,路径Batch 1=160.6ms

Toto-2.0-2.5B Params. 2454.3M,一个评估NFE=1,九个分位数Batch 1=198.3ms,路径Batch 1=199.0ms

这组延迟数据能看出,PathFM用参数量不算特别大的模型(126.3M),拿到了和轻量模型相近的速度,同时保持了生成完整路径的能力,这是TimesFM-3和Toto这类大模型很难同时做到的平衡。

Q1:PathFM是什么?

A:PathFM是一个用流匹配技术生成完整未来时间序列轨迹的预测模型,通过蒸馏和共享计算实现快速采样,既能生成有联合依赖关系的完整路径,又能保持和主流分位数预测模型相当的边际精度。

Q2:PathFM和普通的时间序列预测模型有什么区别?

A:普通模型大多只预测每个时间点各自的概率分位数,不管时间点之间怎么联动。PathFM直接生成完整的未来路径,能捕捉累计总量、峰值、事件发生时间这些依赖整条轨迹的量,普通边际预测做不到这点。

Q3:PathFM在混沌系统预测上表现如何?

A:在135个混沌系统测试中,PathFM相比专门为混沌系统设计的PANDA模型,在点预测误差上全面更低,在状态分布、频谱特征等四项动力学一致性指标上误差降低了49%到69%,长期轨迹能保持真实系统该有的结构而不坍缩。

今日官方渠道披露行业新动态PathFM:如何让AI预测未来的"故事"而不只是"数字"

你有没有想过一个问题:天气预报说明天降雨概率百分之七十,这句话到底在告诉你什么?

它只是说,明天这一个时刻下雨的可能性是百分之七十。但它没告诉你,雨会不会持续一整天,会不会先大后小,会不会在你出门那一刻恰好停了又下。这种预测叫边际预测,它只管每个时间点各自的概率,不管这些时间点连起来会变成什么样的故事。

时间序列预测模型,本质上长期以来都在干这件事。它们预测用电量的时候,给你每一个小时的概率区间,预测股价的时候,给你每一天的分位数。听起来已经很厉害了,但这里藏着一个被忽略很久的漏洞。

核心问题:我们一直在评分错的东西

想象你要预测一个仓库未来三十天的总出货量。模型给了你每一天的预测区间,第一天大概在80到120之间,第二天在85到115之间,以此类推。这些区间看起来都很准。

但如果你真正关心的是三十天加起来的总量,这些单天区间根本帮不上忙。你不知道高峰和低谷会不会同时出现,不知道这三十个数字之间有没有某种此消彼长的关系。两个模型可能给出完全一样的三十组单日区间,但一个预测里每天都独立随机波动,另一个预测里所有天数要么一起偏高要么一起偏低。累加起来的总量分布可能天差地别。

这就是这篇论文的出发点。来自加州理工和亚马逊的研究团队在PathFM这篇论文里指出,主流的时间序列基础模型,无论是Chronos-2、TimesFM还是Toto,几乎都在优化边际分位数,它们能在常用基准上拿到很高的分数,但这些分数衡量不出模型是否学会了未来各个时刻之间该怎么联动。

论文里有张图特别直观,画的是混沌系统洛伦兹吸引子的长期预测。用传统方法微调出来的Chronos-2,预测轨迹画出来是一团收缩到中心的小圈,而论文提出的PathFM画出来的是两片完整的蝴蝶形状,和真实系统的长期行为几乎一致。这不是精度差一点的问题,这是预测模型有没有抓住系统灵魂的问题。

分位数预测:给出每个时间点独立的若干个概率分位点,比如10%、50%、90%分位数,但不说明不同时间点之间该怎么组合

轨迹依赖量:像累计需求、峰值负荷、首次越过某个阈值的时刻,这些量必须看完整条未来路径才能算出来,光看每个时间点的边际分布算不出来

研究者们面对的真正难题是,想做出能生成完整轨迹的模型并不难,过去已经有基于扩散模型或者流匹配的生成式时间序列模型,问题是它们要么边际精度不够好,要么采样速度慢得没法用。生成一条完整路径往往需要几十次模型推理,如果你想要几十条路径凑一个预测分布,计算成本直接起飞。

这就好比你想知道一场马拉松的完赛时间分布,靠谱的办法是真的找几十个人跑几十趟,记录每一趟的完整轨迹。如果跑一趟要花一整天,你肯定没法跑五十趟。如果你图省事,干脆每公里单独估计一个时间区间然后拼起来,那你永远不知道真正跑起来的人是前快后慢还是前慢后快,这个信息在拼接过程中彻底丢失了。

PathFM要解决的,就是既要像真人那样完整地跑完全程,又要跑得足够快,快到能跑几十趟。

方法一:用流匹配直接生成整条路径

PathFM的核心思路是,别再预测一个个孤立的分位数了,直接学习一个能生成完整未来轨迹的生成模型。

它用的技术叫流匹配。

流匹配:一种训练生成模型的方法,训练一个叫做速度场的函数,这个函数描述了怎样把一堆随机噪声,沿着一条光滑路径,逐步变换成目标数据分布。推理时从噪声出发,按照这个速度场一步步积分,最终落到一个符合目标分布的样本上

具体来说,模型会把观测到的历史数据和已知的未来协变量当作条件,学习一个速度场,这个速度场告诉你,给定当前这个带噪声的轨迹状态和当前所处的"流时间",应该往哪个方向调整才能更接近真实的未来。推理的时候,从一个随机的高斯噪声出发,沿着这个速度场积分,最终生成一条完整的、长度和维度都和真实未来一致的轨迹。

这里有个关键的设计:整条轨迹是作为一个整体生成的,时间步之间、不同变量之间的依赖关系,都在这一次生成过程里被自然地编码了进去,不需要额外假设独立或者某种人为设定的相关结构。

这就像你画一张城市的地铁线路图,如果你先画好所有的站点坐标,再单独画每条线连接哪些站,两张图很可能对不上。但如果你是一笔一笔把整条线连贯地画出来,起点到终点一气呵成,线路的走向自然就是一致的,不会出现断裂或者矛盾。流匹配做的就是这种一气呵成的生成,而不是先定点再连线。

方法二:用蒸馏把几十步压缩成一两步

流匹配听起来很美好,但有个致命问题,采样一条轨迹通常需要几十次连续的网络计算,每一步都依赖上一步的结果,没法并行。如果你想要三十二条路径凑一个预测集合,计算量直接乘以几十倍,实际部署根本扛不住。

论文用了一种叫并行解码蒸馏的技术来解决这个问题。

并行解码蒸馏:把原本需要分成二十个小区间、逐步积分的采样过程,压缩成一到两次网络评估就能完成。做法是训练一个学生模型,去模仿一个已经训练好、保持不变的老师模型在学生自己生成的状态上给出的速度预测,这样学生只需要一次或两次计算,就能逼近老师走完整个流程的效果

实验结果显示,用一次评估的蒸馏学生模型,精度已经接近用十次评估的老师模型,用两次评估甚至还能小幅超过老师。这个结果挺反直觉的,一般人会觉得压缩步骤肯定要牺牲精度,但蒸馏学生反而比原始的一步或两步直接截断效果更好,因为蒸馏专门针对少步数场景做了优化,老师模型本身并不是为少步数设计的。

这个设计解决的根本矛盾是,生成式模型的优势在于能表达复杂的联合分布,但代价往往是推理慢。如果推理慢到没法实际用,那表达能力再强也是纸上谈兵。

打个比方,这就像请一位大厨做一道需要文火慢炖三小时的菜,味道确实好,但你中午十二点下单,下午三点才能吃上,很多场合根本等不起。蒸馏做的事情,相当于大厨把三小时的工艺总结成一套快速复刻的手法,用高压锅十五分钟做出来,味道还能保持八九成以上的水准。如果没有这道蒸馏工序,PathFM生成三十二条路径可能要花掉几秒钟甚至更久,在真实的在线预测场景里根本没法用。

方法三:共享历史计算,进一步压缩开销

除了压缩采样步骤,PathFM还在模型结构上做了一个巧妙的设计,叫延迟进入。

延迟进入:模型的前几层只处理历史数据和已知的未来协变量,不涉及随机噪声和采样时间,这部分计算对同一个历史窗口来说,生成多少条路径都只需要算一次。从某一层开始之后,才引入随机噪声开始真正的轨迹生成过程,而且这之后的层里,历史部分的注意力只对历史自己计算,不会因为不同路径而重复计算

这意味着,如果你想对同一段历史生成三十二条不同的未来路径,大头的历史编码计算只需要做一次,后面每条路径只需要算各自独有的那部分。论文的实测数据显示,这个设计让一批十六个历史序列的推理时间,从单独处理时的两千六百多毫秒降到了八百多毫秒,内存占用也从3.22吉字节降到1.58吉字节。

这就好比一个老师要给三十个学生批改同一份数学卷子的不同解法,如果每次批改都要重新读一遍题目和标准答案,那就是重复劳动。合理的做法是先把题目和评分标准吃透一次,然后每份答卷只需要对照着看学生自己写的部分,效率自然就上来了。如果不做这个共享,PathFM生成多条路径的优势会被计算成本的线性增长完全抵消,快采样也就失去了意义。

方法四:直接对生成结果做校准训练

蒸馏之后还有一个问题,蒸馏出来的少步数采样器,边际精度可能和原本的多步流模型有差距,毕竟压缩总是有代价的。

论文的解法是,干脆直接针对生成出来的样本,优化一个叫公平CRPS的指标。

CRPS:连续分级概率得分,是衡量概率预测质量的一种常用指标,数值越小说明预测分布和真实观测值越接近

公平CRPS:普通的CRPS用有限个样本估计时会有偏差,容易让模型学会故意收窄预测范围来刷分,公平CRPS则是经过无偏修正的版本,用有限样本估计时不会鼓励这种投机取巧的行为

因为蒸馏已经把采样过程压缩到一两步,这个过程现在是可微分的,也就是说可以对它直接反向传播梯度。这就让研究者可以把公平CRPS这个指标当成额外的训练目标,直接告诉模型,你生成出来的那几条样本路径,整体上要更贴近真实观测值的分布。这一步被称为校准训练,它和蒸馏的老师监督同时进行,既保持生成轨迹的联合结构不走样,又把边际精度往回拉。

这有点像考前的模拟测验,蒸馏相当于把厚厚的教材压缩成一本薄薄的速成讲义,内容是对的,但做题手感可能生疏了。校准训练就是拿着真题反复刷题对答案,专门纠正那些容易失分的细节,而不是重新去啃一遍教材。

方法五:专门设计的轨迹评分体系

这篇论文的另一个重要贡献,是意识到光靠现有的基准测试,根本看不出一个模型是不是真的学会了轨迹依赖关系。所以他们专门搭建了一套叫fps-bench的评测体系。

fps-bench:论文新提出的评测基准,在现有的fev-bench任务基础上,补充了六种互补的评分方式,专门用来检验预测路径的时序依赖和轨迹相关量的表现,而不只是看每个时间点的准确性

这六种评分分别检验了不同角度的问题,一种看整条路径的分布形态,一种专门看相邻时间点之间的变化量,一种检验任意两个时间点之间数值的相关结构,还有三种分别针对整个预测期的总量、最大值和首次越过某个阈值的时间点。

对于只会输出分位数的模型,论文设计了两种补全方式去凑出完整路径,一种假设每个时间点的具体取值互相独立,一种假设整个预测期共享同一个分位数排名,也就是说如果某次预测在某个时间点偏高,那么在其他时间点也会同步偏高。这两种假设代表了两种极端,现实往往介于两者之间,但至少提供了公平的参照。

结果怎么样

先看边际精度的表现。

在fev-bench这个广泛使用的基准上,PathFM的三亿参数版本排名第二,仅次于TimesFM-3,略高于Chronos-2。在TIME基准上,两个尺寸的PathFM的CRPS都低于Chronos-2。

再看专门设计的轨迹评分fps-bench。

这里PathFM的表现最突出,三亿参数版本和一点二六亿参数版本分别拿到了第一和第二的位置,领先所有参与比较的外部模型,包括在边际精度上排名第一的TimesFM-3。这说明边际精度强和轨迹质量好,是两件不完全一致的事情,一个模型可以在单点预测上做得很准,但在轨迹一致性上表现平庸。

论文还单独拆解了六个分项得分,PathFM相对最强基线TimesFM-3的平均提升是10.6%,其中在反映相邻时间点变化量的分项、预测期总量分项和最大值分项上领先优势最明显。

推理速度方面,PathFM一次性生成三十二条路径只需要51.6毫秒,这个速度比同类的生成式模型Sundial和TimesFM-3都快,接近专门做分位数预测的轻量模型的速度水平。

最后看混沌系统这个特别严苛的测试场景。

混沌系统是一类对初始条件极度敏感的动力学系统,经典的例子是洛伦兹吸引子,初始状态差一点点,长期演化的结果就会天差地别。预测混沌系统有个特别的考验,模型未必要精确追上某一条具体的未来轨迹,但至少要保持整个系统该有的统计特征,比如状态分布的形状、能量在不同频率上的分配、几何维度等等。

论文拿PathFM和专门为混沌系统设计的PANDA模型,以及微调过的Chronos-1和Chronos-2做比较,横跨135个来自DYSTS数据集的混沌系统。结果是,PathFM在64、128、256、512四个预测长度上的点误差全部最低,同时在四项动力学一致性指标上,相对PANDA分别降低了49%到69%不等的误差。

表格下面这段对比特别值得一提。论文承认,把PathFM蒸馏到一两步之后,点预测误差会有所上升,研究者推测这是因为混沌系统对扰动特别敏感,蒸馏带来的微小误差会在自回归预测过程里被不断放大。但即便蒸馏到一两步,PathFM依然在点精度和四项动力学指标上全面超过PANDA。

PathFM(基础模型)Params. 126.3M,一个评估NFE=1,九个分位数Batch 1=51.7ms,路径Batch 1=51.6ms

Chronos-2 Params. 119.5M,一个评估NFE=1,九个分位数Batch 1=21.8ms,路径Batch 1=22.5ms

TimesFM-3 Params. 330.7M,一个评估NFE=1,九个分位数Batch 1=160.0ms,路径Batch 1=160.6ms

Toto-2.0-2.5B Params. 2454.3M,一个评估NFE=1,九个分位数Batch 1=198.3ms,路径Batch 1=199.0ms

这组延迟数据能看出,PathFM用参数量不算特别大的模型(126.3M),拿到了和轻量模型相近的速度,同时保持了生成完整路径的能力,这是TimesFM-3和Toto这类大模型很难同时做到的平衡。

Q1:PathFM是什么?

A:PathFM是一个用流匹配技术生成完整未来时间序列轨迹的预测模型,通过蒸馏和共享计算实现快速采样,既能生成有联合依赖关系的完整路径,又能保持和主流分位数预测模型相当的边际精度。

Q2:PathFM和普通的时间序列预测模型有什么区别?

A:普通模型大多只预测每个时间点各自的概率分位数,不管时间点之间怎么联动。PathFM直接生成完整的未来路径,能捕捉累计总量、峰值、事件发生时间这些依赖整条轨迹的量,普通边际预测做不到这点。

Q3:PathFM在混沌系统预测上表现如何?

A:在135个混沌系统测试中,PathFM相比专门为混沌系统设计的PANDA模型,在点预测误差上全面更低,在状态分布、频谱特征等四项动力学一致性指标上误差降低了49%到69%,长期轨迹能保持真实系统该有的结构而不坍缩。


六旬环卫工11次跳海救人:自学心肺复苏 报酬分文不取 深田えいみ电梯故障4,让你在休闲的每一刻都能享受极致的娱乐体验 浏阳烟花厂爆炸已致21死61伤
浏阳烟花厂爆炸已致21死61伤

浏阳烟花厂爆炸已致21死61伤

百万最新免费软件游戏

下载

浏阳烟花厂爆炸已致21死61伤
首页>>谈成95%还动手?美伊这出“边谈边打”要演多久?
浏阳烟花厂爆炸已致21死61伤

浏阳烟花厂爆炸已致21死61伤

「活动」首次登录送19元红包

41.30MB
版本{版本}
下载APK高速下载
下载再PathFM:如何让AI预测未来的"故事"而不只是"数字"安装你想要的应用 更方便 更快捷 发现更多
喜欢31%好评(30人)
评论66
PathFM:如何让AI预测未来的"故事"而不只是"数字"截图0PathFM:如何让AI预测未来的"故事"而不只是"数字"截图1PathFM:如何让AI预测未来的"故事"而不只是"数字"截图2PathFM:如何让AI预测未来的"故事"而不只是"数字"截图3PathFM:如何让AI预测未来的"故事"而不只是"数字"截图4
详细信息
  • 软件大小:93.59MB
  • 最后更新:2026-11-21 14:40:18
  • 最新版本:{版本}
  • 文件格式:apk
  • 应用分类:ios-AndroidPathFM:如何让AI预测未来的"故事"而不只是"数字"
  • 使用语言:中文
  • :需要联网
  • 系统要求:2.19以上
应用介绍
🚫第一步:访问《PathFM:如何让AI预测未来的"故事"而不只是"数字"》官网👉首先,打开您的浏览器,输入《PathFM:如何让AI预测未来的"故事"而不只是"数字"》。您可以通过搜索引擎搜索或直接输入网址来访问.🌛
🚫第二步:点击注册按钮👉一旦进入《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站官网,您会在页面上找到一个醒目的注册按钮。点击该按钮,您将被引导至注册页面。🕓️
🚫第三步:填写注册信息 👉在注册页面上,您需要填写一些必要的个人信息来创建《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息,以确保顺利完成注册。🌏
🚫第四步:验证账户👉填写完个人信息后,您可能需要进行账户验证。《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站会向您提供的电子邮件地址或手机号码发送一条验证信息,您需要按照提示进行验证操作。这有助于确保账户的安全性,并防止不法分子滥用您的个人信息。💹
🚫第五步:设置安全选项👉《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站通常要求您设置一些安全选项,以增强账户的安全性。例如,可以设置安全问题和答案,启用两步验证等功能。请根据系统的提示设置相关选项,并妥善保管相关信息,确保您的账户安全。🎣
🚫第六步:阅读并同意条款👉在注册过程中,《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前,请仔细阅读并理解这些条款,并确保您同意并愿意遵守。🕸️
🚫第七步:完成注册👉一旦您完成了所有必要的步骤,并同意了《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站的条款,恭喜您!您已经成功注册了《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站账户。现在,您可以畅享《PathFM:如何让AI预测未来的"故事"而不只是"数字"》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!🐂
【联系我们】
客服热线
加载更多
版本更新
{版本}
PathFM:如何让AI预测未来的"故事"而不只是"数字"
  • 春假连“五一”假期 铁路杭州站发客535.87万人次
  • APEC贸易部长会议达成5方面成果共识
  • 晶采观察丨“体育+”深度赋能 “东北超”点燃夏日经济
  • 朝鲜人民军方队受邀参加红场阅兵式
  • 蓝鸿春:走访近300个华人家庭 还原真实侨乡岁月
  • 中足联:青年球员在联赛中加速成长
  • 刀起勺落香飘山城 西部十二省区市名厨上演“舌尖上的对决”
  • 港财政司长陈茂波谈与欧洲合作:香港可发挥关键桥梁作用
  • 安徽池州:麦浪飘香迎丰收
  • 作家梁鸿分享阅读初心 希望阅读让生命充满光亮
  • 首破19万车次!深中通道“五一”假期首日车流再创新高
  • 博主:一线城市顶级豪宅被抢疯
  • 奇瑞亮相东莞春季国际车展
  • 再征星河,朱杨柱盼乘组三人实现1+1+1>3

    特朗普称可能于24日决定是否恢复对伊军事行动

    2026中德企业乒乓球邀请赛在慕尼黑举办

    详情
查看更多
加载中加载中,请稍等...

PathFM:如何让AI预测未来的"故事"而不只是"数字"类似软件

  • 叶向东任中国华电集团董事长阿联酋国防部称其防空系统拦截两架无人机

    成都地铁“中冷”车厢正式上线

  • 4月CPI同比上涨1.2%多部门部署开展保健食品护老提升专项行动

    天津:“水上观光巴士”投运 开启“城市微度假”新体验

  • 谢娜成都演唱会女厕免费提供卫生巾雷军余承东预警:手机只会越来越贵

    河南:小麦灌浆遇高温 多举措防范干热风

  • AI玩具降低海外成本 汕头探索“Token出海”新模式初冬时节 南京明孝陵石象路层林尽染入画来

    2026RCEP区域发展媒体智库论坛在海口举行

  • 黑河水运口岸正式开通明水期客船运输2026城市“青活力”调查报告:近八成年轻人选择城市首看薪资

    福建省前10个月进出口1.7万亿元 10月进出口、出口、进口均创历史同期新高

  • 2026年“香港高考”收官:逾5.85万考生报考 内地试点考场持续优化国家税务总局内蒙古自治区税务局原一级巡视员李其斗被查

    江西一高校利用校园消费大数据对学生进行“隐形饭补”

  • (深圳APEC)港澳各界热议深圳APEC会议:深度参与亚太合作,助力共同繁荣黄仁勋:铜线已无法满足需求

    武汉湿度一度高达100% 像住进水帘洞

  • 安徽蚌埠第四届龙虾啤酒嗨玩节启幕福建古田金翼村:从纸上经典到活态传承

    广西柳州5.2级地震:“提前布防”抢出黄金时间

  • 再过五年甘肃算力规模有望突破50万P“苏超”联赛再战 南京主场超燃

    10月中国进出口总值同比增超三成

  • 湖北绿色动力船舶推广应用提速交通银行原党委委员、副行长侯维栋严重违纪违法被开除党籍

    成都:民众博物馆里度“五一”假期

  • 两部门联合发布黄色山洪灾害气象预警台湾电影大陆上映前改名:“日月潭”三个字牵动两岸几代情

    汕头潮阳杨梅丰收季吸引大量客商游客

  • (乡村行·看振兴)广西返乡青年携算法进田间 智慧农业为农户“飞”出新饭碗香港律政司司长:高质量共建海上丝绸之路,法律服务不可或缺

    2026年电影票房超146亿元

  • DeepSeek宣布永久降价海南首个飞灰资源化利用项目投产

    跨越九千年文脉 金玉珍萃亮相内蒙古博物院

  • 普京结束访华 乘专机离京美媒:中国电动车已准备主导21世纪

    中国男乒逆转取胜 晋级世乒赛男团八强

  • 黄河水利委员会发布2025年黄河流域水土保持公报第六届“投资辽宁”大会在大连召开

    类脑智能产业创新发展大会举行

  • “超现场”展映亮相第二十八届北京科博会中国男子4×100米接力跑出37秒85

    甘肃临夏“黄河奇观”助力黄河经济

  • 美好生活,“体验”一下——“经济新活力”系列评数万日本民众举行集会 呼吁守护和平宪法

    云南各机场“五一”迎客超百万 民族风情圈粉八方来客

  • 新罗文物展亮相法国吉美博物馆关注黎以局势:以军称在黎南部遭火箭弹和无人机袭击

    洪迪厄斯号豪华邮轮变死亡囚笼

  • 铁路特色IP背后跑出的新姿态川陕哲罗鲑子二代异地繁育突破 “水中老虎”添新生力量

    中国U16男足3-2战胜塔吉克斯坦U16男足 取得两连胜

  • 重庆统战教育高地建设积厚成势 五方面成果集中显现青岛:AI给海上养殖装上“智慧大脑”

    盛事不断,香港创科发展动能澎湃

  • “粤港澳大湾区时尚展览2026”首站在广州开幕打造山岳实景试验场 泰山将免费开放机器人训练测试场景

    “五一”假期哈尔滨景区“含娃量”超高

  • 中国驻菲律宾大使馆领事探视69名被扣中国公民中汽协:4月中国新能源汽车新车销量占有率达53.2%

    再创国内新纪录!中国石油新疆油田裸眼深部取换套试验取得重大突破

  • 孙平:真人短剧仍然是当前最具生命力的内容形态之一广西留守儿童关爱保护工作显成效

    110件/套汉代中山国诸侯王墓出土文物亮相江西

  • 酒店的KPI正在偷走你的安全感(友城故事)中德青年江西南昌续写41载友好情缘

    北大对阵清华 华语辩论世界杯名校表演赛在京举办

  • 从“薯都”田野到全国领奖台:一位育种专员的十余年坚守商贸筑桥、资讯连心!这个“小而美”平台何以联通中国—东盟?

    警惕盲盒卡牌“概率陷阱” 中消协发布“六一”涉儿童消费提示

  • 亚马逊推出全新供应链服务东江流域今汛扩大水工程联合调度范围

    四川丹棱老峨山游客徒步登高乐享假期

  • 科创50指数续创历史新高陆秀竞&让·安哥拉中法艺术对话联展将在巴黎启幕

    别被DeepSeek份额坑了

  • (第九届进博会)从进博会到APEC 中国开放合作步履不停“雪窝子”的雪又下“冒烟”了

    福州:AI光影秀演绎视觉盛宴

  • 南水北调中线工程水源地湖北十堰全力加强生态保护宠物险广告现“女性私密部位”

    【百万庄小课堂】公共场所“隐私保卫战”:律师教你如何避坑维权

  • 全国政协举办科普讲座:科技赋能考古 赓续英烈精神泽连斯基称乌军成功击沉一艘俄舰艇

    广西百色500千伏蓝田站配套线路工程投产 赋能百业千家

  • 内蒙古自治区呼和浩特市政协原一级巡视员郭炳胜被开除党籍胖东来“日本产洗发水”疑云

    梁家辉此沙 法拉利父子

  • 有中国公民在委内瑞拉遭网络电信诈骗,中使馆发布提醒从兄长探路到全家追随 巴基斯坦家庭组团来华“追中医”

    “速效抗衰”不可信 老年人记住“极简护肤”三原则

  • 普京“旋风式”访华 中俄取得多项重磅成果北大对阵清华 华语辩论世界杯名校表演赛在京举办

    第八届深圳合唱季开幕 近6000名歌者唱响湾区

  • “可亲可爱的中国”系列发布会在杭举行中国地震局启动中南五省区联防联建机制 应急处置柳州两次5.2级地震

    刘诗雯当选国际乒联运动员委员会委员

  • 《给阿嬷的情书》破4亿 导演深夜发文美媒称万斯会见卡塔尔首相 讨论与伊朗谈判事宜

    蓝色起源“新格伦”火箭发生爆炸

  • 西双版纳曼烈村:通道向边境延伸 “老庚”之约岁岁如常从游戏化文本看网文迭代升级

    ST龙大:实控人戴学斌被刑事拘留

相关攻略
  • 江西宜黄:大山“猪倌”显担当 乡村振兴展“新”颜
    2026-11-21 14:40:18
包含 饿了么 的应用集
  • 138家机构,“盯上”2500亿PCB龙头 江南华南有强降水 新疆内蒙古甘肃等地有大风降温沙尘 男方提分手 女方拒退18.8万彩礼
    黑龙江高校“上新”77个本科专业 “低空+”与“AI+”成最热赛道
    贵州大力实施“人工智能+”行动 赋能千行百业服务千家万户
    146303752152692026-11-21 14:40:18
  • 追觅为何被质疑? 工信部组织开展2026年“数字适老中国行”活动 中国工信部批复首个卫星物联网业务商用试验
    “重要一步” 美参议院投票确认沃什出任美联储理事
    58岁武汉交警何同原暴雨中处警不幸殉职
    33135496643672026-11-21 14:40:18
  • 亚洲国际葡萄酒及烈酒商贸展在香港开幕 两个“五年”攻坚 吉林补齐江河防洪薄弱环节 《图兰朵》百年纪念版首演 拉开2026广州艺术季帷幕
    伊朗最新提出14点终战提议
    雪糕是糖油混合物具象化了
    5447797135135964982026-11-21 14:40:18
  • “晚上11点没人来买东西,我才确定出事了”山西留神峪煤矿附近商户发声 今年高考有哪些新变化 川能动力等成立股权投资基金”
    蒙曼谈何润东演项羽在两岸翻红:血脉相连的历史记忆
    “糖果屋”归来:一代人的青春,终于等到续集
    9324877488657652026-11-21 14:40:18
  • 泽连斯基摊手回应特朗普称普京为朋友 美称敲定“谅解备忘录”遭伊朗否认 地产链跑出两只AI概念大牛股
    中国治沙劳模喊话美国友人回来看他捐赠的树
    PPI的上涨说明了什么
    679993774608242026-11-21 14:40:18
  • 山西晋中:秸秆“变身”生物降解地膜 破解农田“白色污染” 沪港法学界聚力交流 共探国际化法治人才培养新路径 外交部:中方赞赏法方推动流失文物返还原属国的责任担当
    地级及以上城市、县级市今年将全面开展城市体检
    改出生时间能改命?一文了解
    394098430334862026-11-21 14:40:18
  • 马斯克诉OpenAI一案败诉 五部门发布警惕“招转培”“培训贷”等风险提示 当地通报“酒店床单未一客一换”
    甘肃临夏:簪花公交与牡丹仙子同游“五一” 解锁城市浪漫色彩
    北方多地高温快闪后将断崖式降温
    62312811005962026-11-21 14:40:18
  • 西藏那曲拍摄制作《长江第一滴水》《江河源》两部纪录片 共探江河源头 李小冉为拉票在台上侧手翻 跟着边防民警一分钟 沉浸式体验进山驻勤的一天
    印度能源短缺 莫迪坐不住了
    七台演唱会周六晚同开 群星“打擂”广州“开麦”
    1697994969093366092026-11-21 14:40:18
  • 台湾电影大陆上映前改名:“日月潭”三个字牵动两岸几代情 山西依托非煤矿产资源 拓展煤炭以外的“可能性” 首届历史经典产业博览会在浙江杭州开幕
    美蓝色起源公司火箭点火测试时爆炸
    刚刚,油价大跌!
    112276173086442026-11-21 14:40:18
  • 电影《消失的人》票房突破2亿 破除夏日饮食误区 医学专家科学解读时令饮食安全 男孩因逃学被送成长基地 遭打骨折
    河南:汝瓷借侨连四海
    加拿大一摩托撞车后挂在信号灯上
    717165156333612026-11-21 14:40:18
  • 丁勇岱盛赞《给阿嬷的情书》 从“一季鲜果”到“全年产业” 农产品产业链增值助“土特产”出圈 四川成都:第三届川渝美术作品展吸引参观者
    夜经济点亮消费新活力
    俄罗斯大叔在沪突发心梗 医生7天治好
    496417380195750932026-11-21 14:40:18
  • 樊振东十六字寄语BLG 以军在黎巴嫩南部开展地面攻势 湖南石门村民拎着小猫转移避险:不带走怕它饿死
    天气“复工三部曲”:北方冷空气上线,南方强降雨开工,周末气温大反弹!
    神舟二十三号载人飞行任务新闻发布会将于今日上午9时召开
    34964975728854492026-11-21 14:40:18
  • 让机器人“带着思考”行动 西工大在具身智能领域有新突破 浙江将迎两天“雨水模式” 假期返程时段晴好回归 老把头节赓续非遗文脉 吉林抚松构筑世界级人参产业枢纽
    习言道|我国经济是靠实体经济起家的,也要靠实体经济走向未来
    AI驱动文化产业发展:无论技术如何变化,都要把握人心所向
    2562497832205289582026-11-21 14:40:18
  • 【澜湄印象】泰国留学生爱上壮锦:武鸣非遗很美 希望朋友也来 五一假期广州边检口岸累计查验出入境人员27.4万人次 四部门发文促进人工智能与能源双向赋能
    学习新语|感谢美好生活的创造者、守护者
    伦敦世乒赛团体淘汰赛签表公布
    616958712884882026-11-21 14:40:18
  • 媒体称美伊下一轮会谈可能在6月5日举行 大湾区再添艺术坐标 贤美术馆江门开馆首展带来国际艺术展 李亚鹏想帮王菲母女3人和声被拒绝
    一线调研丨如何从“一时火”走向“一直火” 这座小城交出答卷
    人民币对美元汇率进入6.7区间
    670612778107581922026-11-21 14:40:18
  • 生两个儿子啥感受?爸妈:笑一下算了 潮汕英歌舞亮相香港文博会 AI赋能文化加速出海 第25届“汉语桥”世界大学生中文比赛德国区决赛举行
    突然解锁这几个动作说明你真的老了
    广东韶关大数据创新创业大赛赋能大湾区科创发展
    8622547382816405772026-11-21 14:40:18
  • 广西环江县车辆坠河已致1人遇难,9名失联人员仍未找到 怒批部分欧美政客一边卖军火一边要求让利 周锡玮 :不可以!简直是幼稚! 将婴儿造型玩偶当情绪发泄对象?警惕“解压”名义下的“软暴力”伤害
    2026年前4个月湖南进出口同比增长16.2%
    美国:纽约拉瓜迪亚机场地面塌陷 航班延误
    821604907877902026-11-21 14:40:18
  • 登山季珠穆朗玛峰“大堵车” 登山者排队登顶 天宫过境与神舟同框是怎么做到的 国台办:期待两岸同胞一道探索浩瀚宇宙
    五一假期最后一天全国大部晴朗升温 明夜起南方新一轮降水来袭
    女子节食减肥4年从178斤暴瘦到50斤
    13572763238261322026-11-21 14:40:18
  • 伊朗军方:若敌人再发动侵略 将启用新装备、新战法 这项政策将撬动万亿级消费新增量 国内最大大模型服务平台正式上线
    国防部:菲方一些人反复炒作涉华虚假叙事,早已信誉扫地
    巩俐中文宣布戛纳电影节开幕
    359997098706993862026-11-21 14:40:18
  • 曝泡泡玛特8.8亿买楼 “澳门一季度GDP同比增长7.1% 第十九届“嘉庚杯”“敬贤杯”海峡两岸龙舟赛6月开赛
    美股三大指数收跌 光通信逆势走强
    纯电动汽车保值排名:小米跌出前十
    127435098669082026-11-21 14:40:18
  • 第一次见舞龙虾 男子踩中蛇窝被毒蛇咬数口 休克昏迷 全新浙版昆剧《盛世红妆》将在杭州首演
    青春励志电影《加油吧!娜依拉》6月6日上映
    《药品试验数据保护实施办法》今起实施 创新药试验数据给予6年保护期
    848641361342722026-11-21 14:40:18
  • 香格里拉纳帕海黑颈鹤北迁近尾声 留鸟开启繁育季 澳门科技大学副校长庞川:横琴不仅是澳门地理上的邻居 更是澳门数字人文的合伙人 京津冀共促基础研究领域协同创新 科技成果加速走向生产线
    上山捡垃圾的年轻人
    今年1-4月全国规模以上工业企业利润增长18.2%
    57975241681198692026-11-21 14:40:18
  • 直击巨轮靠港全过程 美国起诉劳尔·卡斯特罗 古巴国家主席斥“出于政治动机” 神二十三航天员张志远进入飞船返回舱
    国际货币基金组织赞扬香港经济增长展现韧性
    广深城际、广深港高铁、广湛高铁上新“计次票”“定期票”
    618921470476542026-11-21 14:40:18
友情链接
  • 央视曝光垃圾围村乱象
    2026-11-21 14:40:18
  • 广西友谊关口岸“五一”客流攀升 越南游客乐享中国跨境之旅
    2026-11-21 14:40:18
  • 美国两架战机相撞坠毁 损失有多大
    2026-11-21 14:40:18
安卓手机网上最贴心的Android软件应用平台!版权所有:PathFM:如何让AI预测未来的"故事"而不只是"数字"有限公司备案号:京ICP备17065190号-1