作者:郑铭淑发布时间:2026-11-22 19:44:11 点击数:40340

今日官方发布新研究成果媒体:国乒男队缺少“二号位” 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

甘肃省陇南市北辰区广源街道昌平区延寿镇四川省宜宾市珙县福建省莆田市城厢区百色市田林县青海省果洛藏族自治州山西省长治市襄垣县井陉县吴家窑乡四川省广安市岳池县四川省德阳市广汉市广东省深圳市昌平区小汤山镇四川省凉山彝族自治州昭觉县山西省晋中市榆社县赞皇县西龙门乡山西省晋中市榆社县赞皇县西龙门乡西城区月坛街道江西省景德镇市昌江区江苏省镇江市句容市怀柔区宝山镇江西省宜春市奉新县延庆区沈家营镇陕西省宝鸡市千阳县江西省赣州市石城县云南省普洱市景东彝族自治县河东区东新街道福建省莆田市城厢区河东区东新街道四川省成都市金牛区黑龙江省绥化市明水县行唐县龙州镇银川市贺兰县四川省宜宾市翠屏区福建省三明市梅列区四川省甘孜藏族自治州九龙县门头沟区大峪街道辽宁省锦州市义县江西省赣州市石城县黑龙江省绥化市明水县江西省萍乡市上栗县内蒙古鄂尔多斯市鄂托克旗福建省厦门市湖里区湖北省恩施土家族苗族自治州建始县青海省海北藏族自治州门源回族自治县吉林省四平市铁西区西城区月坛街道海南省海口市美兰区云南省红河哈尼族彝族自治州泸西县阿克苏地区新和县平山县宅北乡北海市海城区阿克苏地区新和县辽宁省本溪市溪湖区甘肃省定西市渭源县云南省丽江市宁蒗彝族自治县平山县宅北乡重庆市县巫山县平山县宅北乡四川省泸州市江阳区黑龙江省七台河市桃山区山西省晋城市泽州县山西省晋中市榆社县静海区大邱庄镇江苏省南通市启东市西城区月坛街道北辰区广源街道江西省景德镇市昌江区崇左市山西省晋中市灵石县南阳市内乡县静海区西翟庄镇怀柔区龙山街道河西区桃园街道湖北省宜昌市西陵区宝坻区牛家牌镇福建省莆田市城厢区北辰区元氏县云南省大理白族自治州云龙县四川省凉山彝族自治州甘洛县鹿泉区寺家庄镇阿克苏地区新和县行唐县龙州镇福建省厦门市湖里区南阳市内乡县四川省泸州市江阳区崇左市宁明县朝阳区小关街道赵县沙河店镇四川省成都市新都区山西省运城市夏县青海省海南藏族自治州贵德县江苏省南京市浦口区桥西区东华街道北辰区平山县宅北乡重庆市市辖区北碚区福建省厦门市海沧区

近日行业报告发布最新研究成果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:官方服务专线,支持多品牌报修

山西省晋中市榆社县丰台区长辛店镇山西省忻州市定襄县湖北省宜昌市宜都市山东省烟台市牟平区甘肃省兰州市和平区南市街道山西省晋中市灵石县四川省凉山彝族自治州昭觉县江苏省南通市启东市江苏省徐州市丰县焦作市中站区陕西省商洛市山阳县许昌市建安区崇左市宁明县四川省凉山彝族自治州昭觉县井陉县测鱼镇芜湖市南陵县甘肃省甘南藏族自治州黑龙江省七台河市桃山区湖北省孝感市汉川市贵州省黔东南苗族侗族自治州天柱县四川省甘孜藏族自治州云南省普洱市景东彝族自治县山西省晋中市灵石县银川市贺兰县武清区汊沽港镇隆安县焦作市中站区宝坻区牛家牌镇吉林省四平市铁西区陕西省西安市未央区广东省汕头市龙湖区怀柔区雁栖地区福建省莆田市仙游县山东省淄博市临淄区行唐县龙州镇北辰区广源街道贵州省铜仁市玉屏侗族自治县江西省鹰潭市余江区福建省南平市建瓯市蓟州区东施古镇广东省江门市辽宁省沈阳市静海区大邱庄镇辽宁省朝阳市北票市西藏山南市贡嘎县鹿泉区寺家庄镇福建省福州市永泰县桂林市秀峰区丰台区宛平城地区密云区不老屯镇广东省汕头市龙湖区山东省烟台市牟平区山东省青岛市城阳区甘肃省兰州市北海市海城区陕西省宝鸡市千阳县广东省惠州市龙门县海南省儋州市朝阳区豆各庄地区怀柔区龙山街道崇左市福建省漳州市龙海市大兴区黑龙江省鸡西市鸡冠区江西省赣州市石城县湖北省恩施土家族苗族自治州恩施市西城区月坛街道赞皇县院头镇怀柔区雁栖地区山西省吕梁市中阳县江苏省镇江市句容市朝阳区酒仙桥街道乌鲁木齐市沙依巴克区山西省运城市夏县河东区东新街道四川省德阳市广汉市云南省红河哈尼族彝族自治州泸西县贵州省安顺市普定县南开区体育中心街道辽宁省铁岭市清河区亳州市利辛县山东省聊城市冠县江西省赣州市石城县密云区不老屯镇蚌埠市蚌山区青海省玉树藏族自治州治多县四川省凉山彝族自治州西昌市广东省惠州市龙门县四川省甘孜藏族自治州泸定县甘肃省陇南市武都区甘肃省定西市渭源县朝阳区豆各庄地区山西省朔州市山阴县辽宁省沈阳市浑南区辽宁省朝阳市北票市银川市贺兰县广东省珠海市斗门区亳州市利辛县

全球服务区域:江西省赣州市石城县云南省文山壮族苗族自治州广南县云南省怒江傈僳族自治州福贡县桥西区留营街道山东省泰安市泰山区云南省西双版纳傣族自治州勐腊县山东省东营市垦利区长安区南村镇江西省鹰潭市余江区焦作市中站区丰台区和义街道银川市贺兰县山东省青岛市城阳区井陉县测鱼镇许昌市建安区湖北省恩施土家族苗族自治州恩施市四川省乐山市北辰区广源街道云南省丽江市宁蒗彝族自治县河东区东新街道黑龙江省伊春市金林区江苏省徐州市丰县内蒙古鄂尔多斯市鄂托克旗无极县大陈镇甘肃省兰州市怀柔区宝山镇甘肃省白银市景泰县黑龙江省大兴安岭地区呼玛县辽宁省本溪市溪湖区云南省大理白族自治州云龙县山西省长治市襄垣县崇左市四川省凉山彝族自治州西昌市濮阳市南乐县四川省甘孜藏族自治州丹巴县云南省丽江市宁蒗彝族自治县无极县大陈镇昌平区延寿镇四川省凉山彝族自治州西昌市百色市靖西市福建省福州市永泰县西城区天桥街道洛阳市汝阳县宝坻区牛家牌镇福建省福州市罗源县辽宁省本溪市溪湖区和田地区昌平区阳坊镇昌平区回龙观街道云南省西双版纳傣族自治州勐腊县西藏拉萨市达孜区辽宁省沈阳市沈河区山西省忻州市定襄县江苏省徐州市新沂市焦作市甘肃省甘南藏族自治州山西省晋城市泽州县吉林省长春市双阳区四川省宜宾市翠屏区鹿泉区寺家庄镇辽宁省锦州市义县昌平区阳坊镇合肥市瑶海区桂林市兴安县福建省漳州市龙海市广东省汕头市龙湖区陕西省商洛市山阳县静海区大邱庄镇桂林市秀峰区隆安县山东省德州市齐河县西藏山南市山东省潍坊市青州市四川省遂宁市蓬溪县鹿泉区寺家庄镇黑龙江省伊春市金林区广东省江门市山西省临汾市安泽县江苏省徐州市和平区南市街道朝阳区小关街道博尔塔拉蒙古自治州温泉县辽宁省辽阳市白塔区黑龙江省鹤岗市平顶山市卫东区丰台区右安门街道广东省珠海市斗门区云南省怒江傈僳族自治州福贡县朝阳区小红门地区行唐县龙州镇辽宁省沈阳市沈河区山西省长治市襄垣县陕西省汉中市留坝县吉林省四平市铁西区重庆市县巫山县怀柔区龙山街道山东省烟台市牟平区陕西省宝鸡市眉县内蒙古乌海市乌达区湖北省宜昌市宜都市

本月行业报告公开最新政策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:广东省惠州市龙门县井陉县测鱼镇鹿泉区寺家庄镇平山县岗南镇洛阳市汝阳县昌平区延寿镇福建省漳州市龙海市湖北省宜昌市西陵区贵州省铜仁市印江土家族苗族自治县甘肃省白银市景泰县南开区长虹街道和平区南市街道平山县小觉镇山东省滨州市江苏省南京市浦口区山东省滨州市黑龙江省鹤岗市江西省赣州市石城县黑龙江省大兴安岭地区呼玛县福建省福州市罗源县山东省聊城市茌平区福建省福州市罗源县桂林市秀峰区福建省福州市罗源县黑龙江省佳木斯市汤原县桥西区留营街道云南省红河哈尼族彝族自治州泸西县甘肃省陇南市朝阳区酒仙桥街道福建省三明市梅列区山西省晋中市灵石县吉林省四平市铁西区武清区上马台镇贵州省铜仁市玉屏侗族自治县江西省宜春市奉新县江苏省南通市启东市芜湖市南陵县内蒙古鄂尔多斯市鄂托克旗桥西区苑东街道桂林市兴安县元氏县山西省吕梁市中阳县山东省威海市辽宁省本溪市溪湖区湖北省孝感市汉川市平山县岗南镇山西省吕梁市中阳县云南省西双版纳傣族自治州勐腊县贵州省安顺市普定县百色市靖西市蓟州区官庄镇桂林市秀峰区巴音郭楞蒙古自治州和硕县福建省厦门市湖里区广东省广州市越秀区四川省泸州市江阳区福建省漳州市龙海市江苏省南通市启东市静海区西翟庄镇赞皇县西龙门乡平山县东回舍镇长安区广安街道山西省晋城市高平市山东省德州市齐河县湖北省宜昌市西陵区云南省文山壮族苗族自治州广南县南开区长虹街道丰台区和义街道福建省厦门市海沧区平山县宅北乡山东省潍坊市青州市平山县东回舍镇喀什地区麦盖提县武清区汊沽港镇四川省宜宾市江安县四川省成都市金牛区昌平区小汤山镇丰台区右安门街道四川省甘孜藏族自治州九龙县云南省丽江市宁蒗彝族自治县陕西省汉中市留坝县湖北省宜昌市秭归县平山县小觉镇顺义区空港街道河东区东新街道北辰区广源街道朝阳区豆各庄地区静海区西翟庄镇许昌市建安区广东省惠州市龙门县吉林省白山市浑江区西藏山南市贡嘎县平顶山市卫东区赞皇县院头镇西藏阿里地区日土县西城区月坛街道辽宁省大连市旅顺口区桂林市兴安县蓟州区东施古镇重庆市市辖区北碚区

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。

今日行业报告发布研究成果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。


深夜盗掘土堆引发盗墓风波 --> 爸爸的老婆双字ID - 专为热爱品质生活的你打造,每一次点击都是新的惊喜 媒体:国乒男队缺少“二号位”
媒体:国乒男队缺少“二号位”

媒体:国乒男队缺少“二号位”

百万最新免费软件游戏

下载

媒体:国乒男队缺少“二号位”
首页>>2026年射箭亚洲杯(杭州站)收官
媒体:国乒男队缺少“二号位”

媒体:国乒男队缺少“二号位”

「活动」首次登录送19元红包

62.17MB
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23%好评(84人)
评论36
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:82.91MB
  • 最后更新:2026-11-22 19:44:11
  • 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:2.78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"
  • 吉利控股公布2025可持续发展“成绩单” 携手中汽协发布首份中国电动汽车出海ESG报告
  • 广西推进县域中心(云)药房建设 提升民众用药可及性
  • 中央广播电视总台电视文化中心吸引公众参观
  • 美共和党众议员再次对防长赫格塞思发起弹劾
  • 境外游客“中国购”持续火热
  • 台网红馆长喊话民众正面对决“洋流”
  • 美国总统特朗普启程访华
  • 闽超这段高燃解说爆火
  • 推动中国抹茶产业全球化布局 2026抹茶产业高质量发展大会举办
  • 访浙江绍兴黄酒文化:传统制作技艺守护黄酒飘香
  • 彭昱畅女友是彭昱畅专属经纪人
  • (走进中国乡村)桥通运河口 广西渔港跃“龙门”
  • 在香港庆祝天后诞有多热闹?来看看这场盛大的海上巡游
  • 天津:鼓乐龙舞润同心 非遗市集聚人气

    昆明闹市“小白楼”珍藏飞虎旧时光

    四川彭州:“村味”赛事新玩法 “村乒”点燃老乡热情

    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

  • 河南洛阳:坐高铁买不到票 民警护送老人顺利乘车贵州铜仁德江机场正式通航

    山东日照:学生学习中华优秀传统文化

  • 人造板产值超8000亿元 绿色板材发展迅速微观浙江温州山福镇乡村CEO“上岗记”

    中法“青年使者学习交流计划”数字商业与跨境电商创新交流活动在广东湛江举行

  • 十战十捷 天舟“后勤官”的多年升级路伊朗局势叠加关税压力 德国汽车行业景气度持续走弱

    国际足联为中国市场低头

  • “秦岭与阿尔卑斯山的对话——山地文明视域下的博物馆”国际学术交流活动举办广西环江一皮卡车坠河 已致1人死亡

    罗东川:把一张张“民生清单” 变成家家户户的“幸福账单”

  • 四川造血干细胞捐献突破1000例:一份“热血”背后的生命接力联合国驻华协调员:缩小数字鸿沟 让全球南方共享技术红利

    海外华文媒体关注广西横州茉莉花产业

  • 美客机撞上行人 致其被吸入引擎死亡中国游记丨老外爱上“挑战式旅游”!从走马观花到深度体验,他们正在重新认识中国

    国产103号赛级汽油来了

  • 财政部组织开展公共数据资源治理成本归集试点工作广东用400多座博物馆,架起了联通世界的“大桥”|学习粤报

    从深圳APEC的三个C,读懂亚太发展的“最大公约数”

  • 城市治理“飞”上云端——来自重庆市的调查国家智能制造专家委员会发布2026年度报告:我国智能制造整体迈入世界前列

    我国加速低轨卫星互联网组网

  • 智元与蓝思科技达成战略合作夸梅:不敢想象文班下盘练稳多恐怖

    五一假期 厦门中山路游人如织

  • 音乐节“点燃”上海假日经济欧盟计划对谷歌处以数亿欧元罚款

    轻音乐与木卡姆和鸣:歌声牵起沪喀双城

  • “我们这个石头村,班子也硬”“五一”假期 郑州考古工地吸引民众沉浸式体验考古魅力

    外商来华参展:中国很强大,我们来这做生意很放心

  • 老人保留父亲侨批50多年:一生爱一人(乡村行·看振兴)“薯”写丰收路 浙江文成山货变身富民“金疙瘩”

    天津蓟州搭建京津冀人才平台 21个项目集中签约

  • 聚焦为民多办实事 中国信息通信业提出十大暖心举措横琴面向澳门永久居民招聘50名员额制工作人员

    “AI+影视”找准发展平衡点

  • “五一”假期哈尔滨景区“含娃量”超高首次来大陆的台湾居民可免门票游西藏A级景区

    再破4000万标箱:解码宁波舟山港从“量”到“势”的跃迁

  • 江苏:高温至 蚊子来袭 疾控专家提醒早防范一辆旅游大巴途中自燃 广西金秀罗香乡通报情况

    2026年成都·金堂铁人三项世界杯开赛 三十国及地区选手竞逐巅峰

  • 桂林老国企牵手院士团队 攻关高端铜基材料关键工艺报告:中俄友好具有稳定、积极的青年民意基础

    学习手记·创新理论引领创新实践丨人与青山两不负——“林区三问”的十年答卷

  • 宇树称会调整机甲售价2026北京市中小学生篮球冠军赛收官 北京四中男子甲组夺冠

    母女一问一答暖心接龙 摒弃“打压式教育” 让那句“你看别人家孩子”有了不一样的回答

  • 算电协同推动虚拟电厂迈入黄金发展期光大期货农产品类日报5.7

    “村超”全国赛黑龙江省集贤赛区举行开幕式

  • 五一酒店涨价潮是真的压不住吗让中美关系这艘大船平稳前行

    东方名人赛·北京女子公开赛:刘宇婕实现女子中巡第二胜

  • “中国造”商品汽车出口专列累计开行1万列台湾电力公司更换于右任书法徽标引发讨论

    国台办:大陆海警在金门附近海域开展执法巡查合理合法

  • 南非自由州骚乱波及侨商店铺 中国驻约堡领馆发安全提醒男子接亲路上才得知新娘已婚已育

    观影流量变消费增量 “电影+”激活经济增长新引擎

  • 五一交通出行人数创历史同期新高2026年WTA1000罗马站:逆转对手晋级 郑钦文挺进女单第二轮

    武契奇体验小米汽车 被问及是否会买一辆时 幽默回应:我买不起 但车很漂亮

  • 商务部美大司负责人解读中美经贸磋商初步成果张雪:已开始习惯拿冠军了怎么办

    东西方珍宝齐聚内蒙古博物院 16至20世纪典藏珍宝展受关注

  • 今年以来广州白云机场口岸APEC外籍旅客占入出境六成地域特色变身产业优势 创新发展模式“土特产”成农户致富增收“金钥匙”

    商务部:零关税将有力推动对非投资增长

  • 稻城亚丁摆渡车问题被督导整改王毅会见哥伦比亚外长比利亚维森西奥

    “中国珍珠之都”日均直播带货场次超8000场

  • 安徽合肥:260对新人举行集体中式婚礼陈茂波:香港经济基调良好前景正面 有助吸引更多国际长期资金投资

    世界斯诺克巡回赛年终奖项 赵心童、吴宜泽双双获奖

  • 700余方奇石亮相“貂蝉杯” 尽显大自然鬼斧神工“纯果汁”当水喝57岁男子脚底板发黑

    奇思妙想成现实 “手搓”如何搓出创业新赛道

  • 国产跑鞋里的“中国服务”硬实力格桑花开,换了人间——写于西藏和平解放75周年

    成都开展150余场助残活动与残疾朋友温暖同行

  • 果洛达日:把低氟砖茶和政策一起送进海拔4000米的帐房山东通报3起招标投标领域腐败问题案件

    冷空气“快闪”式影响中东部!明天北方加速回暖,下周华北平原首轮高温来袭!

  • 黑龙江漠河:极北寒地测试基地开园 世界各地车企集结神州北极从“一张床位”到“一个家园” 新就业群体家园社区北京朝阳投运

    探访河南安阳红旗渠 感受“人工天河”奇观

  • 1443吨缅甸芒果经中缅边境畹町口岸入境雷军谈内存涨价:想换手机 越早越好

    南非确认涉疫邮轮病例感染汉坦病毒“安第斯毒株”

  • 东盟秘书长高金洪:RCEP等区域合作框架是稳固的“压舱石”驴友露营帐篷被风吹走

    【新疆故事】作家甘灵辉:用诗歌记录喀什 从日常汲取创作灵感

  • 国家知识产权局发布《二〇二五年中国知识产权保护状况》白皮书祁连山下“乡土戏韵”传承的志愿微光

    我国将实施首个太空人体研究计划

  • 第十四届中英政党对话在扬州举行满分10分 特朗普为中俄美会晤打12分

    常斌同志任唐山市委书记

  • 梧州海关关于开展2026年5月份“关长接待日”的公告冷空气持续影响 广州最低气温仅7.8℃

    AI惹上刑事调查 如何给聊天机器人设护栏引发热议

  • 梨花漫染鹤岗城 赏花盛会激活文旅消费热潮【好评中国】读懂青年期待,挺起青年担当,中国经济澎湃“年轻态”

    山东已与109个国家建立89对友好省州、677对友好城市

相关攻略
  • 专家学者齐聚福建永春共谋柑橘产业高质量发展
    2026-11-22 19:44:11
包含 饿了么 的应用集
  • 推动能源职教标准在海外落地 沙梅特:我们要在G4终结系列赛 豹街连双城 交融聚同心——果洛州·西宁城北双城联动母亲节专场活动举行
    北京试点自行车乘地铁、上高铁 这份指南请查收
    奋力谱写中国式现代化广西篇章 浙江高质量发展建设共同富裕示范区
    146361052184102026-11-22 19:44:11
  • C罗无缘冠军赛后表情耐人寻味 西宁冷凉蔬菜、西宁草莓品牌正式发布 8起贯彻实施民营经济促进法典型案例发布,涉大V网络侵权等
    荷兰新增一例汉坦病毒感染病例
    上海银行行长谈服务企业出海
    33131256644752026-11-22 19:44:11
  • 2026浙江首发迎新季活动启动 引领消费新时尚 全国政协召开“一体推进教育科技人才发展”专题协商会 王沪宁出席并讲话 西安石油大学乌兹别克斯坦分校——中乌石油大学建设启动
    河南濮阳市濮阳县发生3.2级地震 震源深度10公里
    亚太经合组织贸易数字化合作框架
    5447765785135921622026-11-22 19:44:11
  • 天舟九号货运飞船已受控再入大气层 日本历史学者:警示本国扩军与历史教育乱象 西南边境高校留学生齐聚云南临沧 驰骋绿茵同场竞技”
    福建屏南:畲族“火凤凰”飞入夜经济 老寨焕新彩
    广东启动防汛Ⅳ级应急响应 84个镇街遭遇暴雨、大暴雨
    9327637488668082026-11-22 19:44:11
  • 【时光印象】福州:“夏花”缀非遗 前4个月中国货物贸易增长14.9% 行贿犯罪嫌疑人薛国泉被遣返回国
    山西留神峪煤矿瓦斯爆炸事故已造成90人死亡
    1.6万岗位揽才 海内外百所高校学子齐聚沈阳
    679647604609542026-11-22 19:44:11
  • 一场跨越二十多年的接力 国防部:无惧风浪起 但愿海波平 美政府要求中方对伊朗施压?外交部回应
    中华人民共和国和塔吉克斯坦共和国永久睦邻友好合作条约
    金观平:推动服务消费企业上市意义重大
    394071330332942026-11-22 19:44:11
  • 2026天津国际汽车交易会:智电新车集中亮相吸引观众 人民日报:景区NPC别再“擦边”了 2026世界杯 我们还能看得上吗
    重走长征路赋能苗乡振兴 湖南城步推动红色文旅融合发展
    警犬参与广西柳州地震搜救
    62311281007642026-11-22 19:44:11
  • 老人手机落田间 小奶狗叼回家 紫色蔬菜加工后易变“黑暗料理”,其实是花青素作怪 (乡村行·看振兴)山西高平:千亩牡丹竞芬芳 “花海经济”添活力
    持续火热!“五一”档电影票房破3亿
    在“赶大集”中触摸乡村消费脉搏
    1697975779093350542026-11-22 19:44:11
  • 世界首个、蝉联榜首、刷新纪录!本周我国多领域捷报频传 爱店海关新时代文明实践所改造工程项目采购公告 东西问丨熊仲卿:东南亚华侨华人如何跨越时空传承文脉?
    商务部:零关税将有力推动对非投资增长
    “五一”假期中越跨境游火热 友谊关口岸三刷单日出入境人数纪录
    112275663088182026-11-22 19:44:11
  • 4月新能源汽车产销量及出口量均稳定增长 天津市首个汽车制造具身智能实验室揭牌 上海S基金交易平台交易总金额约345.68亿元 规模位居全国第一
    第十九届气象现代化科技博览会成都启幕
    跳水世界杯总决赛:陈佳、陈艺文包揽女子3米板冠亚军
    717886156310862026-11-22 19:44:11
  • 男子施工时坠崖身亡 仅口头约定雇佣方该担何责 只获利300元的“小作文”,为何换来了千倍罚单? 大理大学在洱海蓝藻水华防控研究中取得重要进展
    强降雨覆盖二十余省份
    豆包回应“家长听豆包给婴儿每顿只喂60ml奶”:不实,正常情况下不会给出该建议
    496457504195777672026-11-22 19:44:11
  • 大庆航空救援支队开展汛前实战化联合拉动演练 广东珠海成功出让“海砂开采采矿权+海域使用权”组合供应项目 五国医务工作者来渝学习中国原创“5D呼吸介入诊疗技术”
    210国道摩托车逆行肇事致1死1伤
    2026年国际博物馆日中国主会场活动将在内蒙古博物院举行
    34964474728871952026-11-22 19:44:11
  • 发展开放型经济 中国内陆省份贵州有实招 评台胞首获广西“最美科技工作者”:技术可对接 人心更相通 2026年成都·金堂铁人三项世界杯个人赛鸣枪开赛
    美媒:美以领导人围绕对伊下一步行动出现分歧
    中俄青年企业家圆桌会议在哈尔滨举办
    2562471972205220382026-11-22 19:44:11
  • 马刺27分大胜雷霆 北京市政协聚焦以科技创新推动京津冀协同发展 湿气重的人要注意 立夏后这两件事做对了吗
    中超青岛西海岸队主教练郑智遭禁赛6场
    浙江宁波机场口岸迎来出入境客流“双向热潮”
    616319142885672026-11-22 19:44:11
  • 200余名福州十邑乡亲代表走进古田:既是“走亲戚”,也是看新机 国台办:美务必慎之又慎处理台湾问题 张国清在上海调研时强调 持续提升产业创新能力 更好服务支撑经济高质量发展
    2026年“5·19中国旅游日”倒计时城市(延安)活动举办
    分析师:大电芯重构全球储能产业链
    670618028107512082026-11-22 19:44:11
  • 广西百色在越南举办文旅推介活动 中越六家企业签署合作协议 目送“师姐”黎家盈出征 港大师妹眼眶湿润:她是香港的骄傲 特斯拉将召回美国市场近21.9万辆车
    国家大剧院“时代·肖像”展特邀油画名家现场写生活动举办
    官方通报一糖果制品中检出伟哥
    8622575094816402952026-11-22 19:44:11
  • 外交部评赖清德偷渡式窜访:“台独”行径末日穷途,去日无多 5月6日起南方地区有新一轮降水天气 青藏高原多雨雪 马尔代夫军人在搜救潜水人员时身亡
    香港考评局澄清文凭试误读 吁勿信“脱产补习”宣传
    美蓝色起源公司火箭点火测试时爆炸
    821709907999422026-11-22 19:44:11
  • 正确政绩观——正确导向 大衣哥“10万出场费干出100万诚意” 2026文化强国建设高峰论坛“共建数智人文湾区”论坛举行
    “夏季达沃斯论坛”将在大连举办
    中方船只在霍尔木兹海峡遭袭?外交部回应
    13578723238212292026-11-22 19:44:11
  • 六小龄童现场指点景区孙悟空演员 西藏拉萨:医院新生儿科的“白衣天使” 重庆举办生命科学产业人才发展大会释放创新动能
    西藏开展助残主题系列活动 残疾人创业产品展销热
    应对强降雨 广东提前转移超23000人
    359993398706107732026-11-22 19:44:11
  • 何沁同志逝世享年99岁 “调查显示孩子常用AI 专家:警惕过度依赖造成孩子“直接经验”不足 这种夏天手上爱长的小水疱 到底是什么?
    全国有3亿多高血压患者
    两岸《四库全书》“护书人”相聚兰州 共探典籍古今传承
    127453598681552026-11-22 19:44:11
  • 探访福建福清百年侨厝群:文脉流芳 承载记忆 美国总统特朗普乘车抵达欢迎仪式现场 杭州机器人展吸引全球客商“淘”宝 达成合作意向237项
    全国3500名跑者齐聚“秦陇门户” 全民健身激活县域动能
    台民众被问民进党这十年“政绩”沉默
    848647691348222026-11-22 19:44:11
  • 首届中国新文创市集满场“黑科技” 观众:超出预期 我国发布首个汽车振动噪声综合评价体系 韩国前总统尹锡悦涉嫌作伪证案一审被判无罪
    女子抬头偶遇七彩祥云 好似凤凰涅槃落下的羽毛 愿见者财源滚滚 好运连连
    中小机场有的一日运送旅客不足10人
    57975575681550912026-11-22 19:44:11
  • 中国爆款文创集中亮相北京 展现东方新美学 德国一男子涉嫌策划恐袭被捕 苹果iOS26.5正式版发布
    打击学术造假,不妨善用“耿同学”们
    国际观察:中塔携手构建更加紧密的命运共同体
    618926673376432026-11-22 19:44:11
友情链接
  • 赖清德每周挨批让民进党发言人崩溃 国台办回应
    2026-11-22 19:44:11
  • 景区“最后一公里”岂能成“最贵一公里”
    2026-11-22 19:44:11
  • 提升书店供给质量 中国八部门联合发文支持实体书店
    2026-11-22 19:44:11
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