作者:傅智翔发布时间:2026-11-20 16:06:07 点击数:45107

今日官方渠道披露行业新动态家长怕堵车开船接送女儿上学 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

山东省聊城市茌平区青海省海西蒙古族藏族自治州德令哈市青海省海北藏族自治州门源回族自治县海淀区青龙桥街道长安区广安街道丰台区右安门街道焦作市沁阳市北海市海城区湖北省宜昌市西陵区四川省广元市甘肃省定西市渭源县江苏省苏州市相城区昌平区小汤山镇西乡塘区云南省红河哈尼族彝族自治州泸西县山东省淄博市临淄区辽宁省铁岭市清河区焦作市内蒙古乌海市乌达区黑龙江省绥化市明水县陕西省商洛市山阳县昌平区延寿镇朝阳区酒仙桥街道芜湖市南陵县山西省忻州市定襄县陕西省宝鸡市眉县甘肃省陇南市西藏拉萨市达孜区北辰区福建省厦门市海沧区亳州市利辛县山西省晋中市榆社县山东省东营市垦利区丰台区长辛店镇福建省莆田市城厢区平山县小觉镇西藏山南市贡嘎县贵州省六盘水市水城县广东省珠海市斗门区桥西区留营街道江苏省南通市启东市山东省德州市齐河县云南省文山壮族苗族自治州广南县辽宁省朝阳市北票市平山县东回舍镇桥西区苑东街道静海区大邱庄镇昌平区回龙观街道湖北省宜昌市西陵区四川省宜宾市翠屏区广东省佛山市三水区北辰区辽宁省铁岭市开原市江苏省镇江市句容市海南省儋州市广东省深圳市元氏县苏村乡蚌埠市龙子湖区湖北省襄阳市襄州区丰台区右安门街道广东省广州市越秀区福建省莆田市仙游县山东省泰安市东平县山东省潍坊市青州市朝阳区小红门地区福建省三明市梅列区许昌市建安区甘肃省定西市渭源县淮南市大通区辽宁省朝阳市北票市平山县小觉镇湖北省宜昌市秭归县贵州省六盘水市水城县广东省汕头市龙湖区桥西区苑东街道广东省深圳市桥西区苑东街道云南省红河哈尼族彝族自治州绿春县陕西省商洛市山阳县陕西省商洛市山阳县四川省甘孜藏族自治州九龙县无极县大陈镇蚌埠市龙子湖区山东省泰安市泰山区江西省萍乡市上栗县山西省忻州市宁武县江西省九江市武宁县西藏阿里地区日土县西城区天桥街道山东省聊城市冠县吉林省白山市浑江区洛阳市汝阳县井陉县测鱼镇山东省枣庄市台儿庄区固原市西吉县山西省晋中市太谷区蓟州区官庄镇黑龙江省鹤岗市湖北省宜昌市西陵区西藏山南市

近日官方更新研究报告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

蓟州区官庄镇桥西区留营街道山东省潍坊市青州市西藏拉萨市达孜区阿克苏地区拜城县青秀区山东省烟台市牟平区黑龙江省绥化市明水县固原市西吉县广东省珠海市斗门区蓟州区官庄镇广东省惠州市龙门县山西省长治市襄垣县淮南市大通区许昌市建安区长安区南村镇湖北省孝感市汉川市山西省晋中市榆社县合肥市庐阳区无极县大陈镇昌平区阳坊镇福建省莆田市仙游县甘肃省兰州市喀什地区麦盖提县湖北省襄阳市襄州区桥西区苑东街道固原市西吉县福建省南平市福建省厦门市海沧区怀柔区宝山镇和田地区黑龙江省佳木斯市富锦市平山县东回舍镇焦作市西青区精武镇江苏省连云港市赣榆区昌平区延寿镇甘肃省兰州市云南省红河哈尼族彝族自治州绿春县淮南市大通区四川省宜宾市珙县密云区不老屯镇山西省忻州市宁武县淮南市大通区江西省赣州市石城县北海市海城区怀柔区龙山街道湖北省宜昌市西陵区贵州省六盘水市水城县辽宁省朝阳市北票市黑龙江省七台河市桃山区焦作市中站区江苏省徐州市新沂市四川省广元市广东省惠州市龙门县江苏省苏州市相城区黑龙江省七台河市桃山区黑龙江省大兴安岭地区呼玛县黑龙江省佳木斯市富锦市合肥市庐阳区湖北省孝感市汉川市陕西省汉中市西乡县湖北省恩施土家族苗族自治州恩施市信阳市平桥区江苏省徐州市黑龙江省七台河市桃山区贵州省铜仁市印江土家族苗族自治县南开区体育中心街道蓟州区东施古镇黑龙江省大兴安岭地区呼玛县武清区汊沽港镇辽宁省辽阳市白塔区长安区广安街道武清区上马台镇赞皇县院头镇四川省宜宾市江安县江苏省南通市启东市甘肃省陇南市武都区江西省吉安市永新县云南省怒江傈僳族自治州福贡县黑龙江省鸡西市鸡冠区蓟州区东赵各庄镇长安区南村镇山西省晋城市高平市四川省成都市金牛区昌平区小汤山镇甘肃省定西市渭源县延庆区沈家营镇四川省宜宾市江安县山西省临汾市安泽县云南省红河哈尼族彝族自治州泸西县防城港市东兴市平山县岗南镇阿克苏地区新和县北辰区广源街道山东省烟台市牟平区阿克苏地区新和县朝阳区小关街道平顶山市卫东区陕西省宝鸡市眉县

全球服务区域:静海区大邱庄镇江西省吉安市永新县福建省福州市罗源县山东省德州市齐河县山西省晋中市榆社县百色市靖西市山西省朔州市山阴县朝阳区小关街道云南省丽江市宁蒗彝族自治县门头沟区大峪街道福建省漳州市龙海市湖北省恩施土家族苗族自治州恩施市无极县大陈镇辽宁省辽阳市白塔区黑龙江省哈尔滨市巴彦县海淀区青龙桥街道湖北省襄阳市襄州区乌鲁木齐市沙依巴克区伊犁哈萨克自治州昭苏县固原市西吉县广东省珠海市斗门区四川省甘孜藏族自治州静海区西翟庄镇南阳市内乡县陕西省宝鸡市眉县博尔塔拉蒙古自治州温泉县陕西省汉中市西乡县怀柔区雁栖地区湖北省宜昌市西陵区重庆市市辖区北碚区四川省凉山彝族自治州甘洛县四川省甘孜藏族自治州九龙县四川省宜宾市珙县吉林省四平市铁西区塔城地区和布克赛尔蒙古自治县湖北省孝感市汉川市丰台区右安门街道辽宁省朝阳市北票市四川省凉山彝族自治州甘洛县无极县大陈镇黑龙江省绥化市明水县吉林省长春市双阳区湖北省恩施土家族苗族自治州恩施市上海市市辖区嘉定区井陉县测鱼镇丰台区和义街道甘肃省兰州市阿克苏地区拜城县桥西区留营街道蓟州区东赵各庄镇赞皇县西龙门乡桥西区苑东街道四川省凉山彝族自治州西昌市焦作市顺义区空港街道朝阳区小关街道甘肃省陇南市江西省吉安市吉安县四川省成都市新都区辽宁省沈阳市沈河区四川省广安市岳池县防城港市东兴市芜湖市南陵县山东省淄博市临淄区伊犁哈萨克自治州昭苏县西城区月坛街道云南省普洱市景东彝族自治县云南省大理白族自治州云龙县辽宁省辽阳市白塔区山东省聊城市茌平区昌平区小汤山镇朝阳区酒仙桥街道广东省惠州市龙门县武清区上马台镇平顶山市卫东区静海区大邱庄镇昌平区阳坊镇山西省晋城市高平市西青区精武镇西城区月坛街道重庆市市辖区北碚区山东省枣庄市台儿庄区怀柔区龙山街道赞皇县西龙门乡伊犁哈萨克自治州昭苏县西藏山南市西城区月坛街道焦作市中站区内蒙古锡林郭勒盟正镶白旗密云区古北口镇湖北省恩施土家族苗族自治州建始县辽宁省锦州市义县内蒙古鄂尔多斯市康巴什区黑龙江省大兴安岭地区呼玛县银川市贺兰县广东省广州市越秀区焦作市沁阳市许昌市建安区湖北省孝感市汉川市辽宁省辽阳市白塔区

昨日相关部门发布重要研究成果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:售后服务维修中心电话,支持多渠道服务

全国服务区域:西藏拉萨市达孜区西藏山南市青海省海南藏族自治州贵德县四川省甘孜藏族自治州平顶山市湛河区西青区精武镇青海省海南藏族自治州贵德县甘肃省白银市景泰县南开区长虹街道内蒙古鄂尔多斯市康巴什区焦作市山西省忻州市宁武县和田地区江西省吉安市吉安县山东省德州市齐河县陕西省汉中市留坝县湖北省孝感市汉川市元氏县苏村乡广东省深圳市吉林省白山市浑江区百色市靖西市江西省宜春市宜丰县辽宁省沈阳市浑南区洛阳市汝阳县亳州市利辛县江苏省徐州市丰县四川省凉山彝族自治州西昌市甘肃省甘南藏族自治州怀柔区宝山镇四川省成都市新都区四川省甘孜藏族自治州丹巴县山西省临汾市安泽县大兴区山东省泰安市泰山区甘肃省庆阳市镇原县辽宁省铁岭市清河区芜湖市南陵县赵县沙河店镇黑龙江省伊春市金林区内蒙古鄂尔多斯市鄂托克旗山西省晋中市灵石县贵州省黔南布依族苗族自治州惠水县巴音郭楞蒙古自治州和硕县无极县大陈镇四川省泸州市江阳区南开区长虹街道贵州省六盘水市水城县广东省江门市内蒙古呼伦贝尔市阿荣旗四川省凉山彝族自治州昭觉县焦作市中站区辽宁省铁岭市开原市陕西省汉中市留坝县黑龙江省鸡西市鸡冠区延庆区沈家营镇四川省凉山彝族自治州昭觉县山东省泰安市泰山区四川省成都市新都区密云区河南寨镇山西省忻州市定襄县福建省南平市建瓯市黑龙江省七台河市桃山区上海市市辖区嘉定区山东省聊城市茌平区濮阳市南乐县四川省乐山市山西省运城市夏县辽宁省沈阳市浑南区马鞍山市博望区西藏阿里地区日土县顺义区空港街道江西省赣州市石城县四川省凉山彝族自治州西昌市江西省吉安市永新县黑龙江省大兴安岭地区呼玛县四川省凉山彝族自治州昭觉县江西省鹰潭市余江区怀柔区雁栖地区海淀区青龙桥街道四川省广安市岳池县贵州省铜仁市印江土家族苗族自治县蓟州区东二营镇平山县宅北乡喀什地区叶城县马鞍山市博望区陕西省西安市未央区朝阳区小关街道巴音郭楞蒙古自治州和硕县密云区不老屯镇湖北省孝感市汉川市云南省西双版纳傣族自治州勐腊县南开区长虹街道西藏山南市贡嘎县山东省烟台市牟平区河东区大直沽街道海淀区青龙桥街道辽宁省朝阳市北票市江苏省苏州市相城区辽宁省朝阳市北票市辽宁省大连市旅顺口区

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。

昨日官方发布行业通报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。


记者走访产区了解到,数字化创新不断助力产区拓宽市场、擦亮品牌。玉泉酒庄、迦南美地酒庄等多家酒庄上线区块链一物一码溯源体系,消费者扫码即可查阅葡萄采摘、酿造、灌装全流程信息,产品溯源公开透明。与此同时,云端葡萄园认养、VR线上逛酒庄、个性化酒标定制等新业态持续升温,许多酒庄还打造特色数字文旅体验,吸引众多年轻消费群体,进一步拓宽产品销路与品牌影响力。 ceKc9美国-ceKc9美国2026最新10.19.72.4730-2265安卓网 家长怕堵车开船接送女儿上学
家长怕堵车开船接送女儿上学

家长怕堵车开船接送女儿上学

百万最新免费软件游戏

下载

家长怕堵车开船接送女儿上学
首页>>我国工业资源循环利用提速升级
家长怕堵车开船接送女儿上学

家长怕堵车开船接送女儿上学

「活动」首次登录送19元红包

12.82MB
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70%好评(77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:30.24MB
  • 最后更新:2026-11-20 16:06:07
  • 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:8.28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"
  • 一位贪腐书记的三个绰号
  • 俄称乌无人机袭击卢甘斯克一学校 死亡人数升至21人
  • “安逸游四川”主题快闪活动亮相成都东站
  • 翠竹、中药材也能“七十二变” 产业升级激活经济新动能
  • 伦敦世乒赛团体赛瑞典男队无缘四强
  • 侨界人士:电影《给阿嬷的情书》每个情节和场面都很动人
  • 三部门向重庆调拨1万件中央救灾物资 支持做好受灾群众转移安置和救灾救助工作
  • 香港航天员黎家盈:“天宫”将迎“紫荆花”
  • 扩内需如何才能更有效?答案藏在这个逻辑里
  • 高铁行李架掉下条蛇?铁路部门回应
  • 六十余万字《红学外史》书写红学百年风云变幻
  • 对接“十五五”规划 粤港澳高校代表研讨“澳门研发+横琴转化”
  • 银川“共享菜园”兴起:都市人圆梦田园 农耕体验成周末新时尚
  • 世界杯还没开踢 中国球迷先退票了

    职业闭店行为导致消费者预付款难追回 专家:从严监管完善机制

    俄媒:俄无人系统部队军人首次参加红场阅兵

    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

  • 财政部组织开展公共数据资源治理成本归集试点工作外交部:中国军队开展活动一贯符合国际法和国际惯例

    中国首批自主培养飞艇商用驾驶员执证上岗

  • 广西柳州:热粉暖心 5000份免费螺蛳粉传递温情青海启动“5·19中国旅游日”主题系列活动

    权威快报|增长14.9% 我国外贸延续良好增长态势

  • 彭丽媛会见联合国教科文组织总干事阿纳尼直播海报:《给阿嬷的情书》后劲还在?去电影道具展回顾南洋岁月

    国家药监局印发《处方药网络零售合规指南》

  • 夏季养生防范动物咬伤 医护人员传授“应急处置指南”张雪机车820RR亮相香港 82岁车迷点赞“中国制造100分”

    甘肃省运会主场定西“焕新颜”

  • 2026广东荔枝嘉年华启幕 发布荔枝产销寄递“一张图”强降雨持续 各地各部门积极应对

    金砖国家新工业革命伙伴城市网络建设启动

  • 光大期货:5月14日软商品日报美股三大指数收涨超1% CPU概念股强势

    西藏丁青县熊吃人事件系谣言

  • 做到三“不”!警惕五类谣言日本奈良县发生5.7级地震

    云南修订陆生野生动物保护条例 守护“动物王国”生态名片

  • 媒体人士在广西共论网络公益建设美伊僵住了,黄金4700关口如何走?

    国台办:台湾民众清楚民进党军购背后勾当

  • 江西赣江上游支流发生超警洪水建行“信贷+贴息”双重赋能,助力服务业扩能提质

    如何看待乌556架无人机夜袭莫斯科

  • 长江三峡首个考古遗址展示中心启用 展出文物近400件/套“五一”假期广西新能源出行和定制化服务趋势显著

    打开“赏花地图”解锁经济新图景

  • 4月新能源汽车产销量及出口量均稳定增长协鑫集成成立科技新公司

    第十八届“香港杯”外交知识竞赛决赛在港举行 参赛规模创新高

  • 外交部回应日本在海外发射进攻型导弹东方证券上海证券合并预案出炉

    辽宁抚顺:社区建起 “光明小屋” 居民家门口享专业眼健康服务

  • 湖南株洲一物流仓库突发大火不实贯通广州三大火车站 广南联络线预计明年年中建成运营

    黑龙江东宁:小木耳大产业 小边城大开放

  • 重庆对14个区县启动市级防汛四级应急响应农工党四川省委会在蓉举办主题教育读书班

    伊朗总统:已准备好达成“有尊严的”框架协议

  • 一见·“十五五”开局起步,为何强调加强基础研究要“持续抓下去”金价银价大跌 油价显著上涨

    哪些人能申请公益性岗位就业?人社部解答

  • 三金一银 王子露成东安湖杯全锦赛 “单项之王”【中国网评】塔吉克斯坦总统访华:夯实睦邻友谊,深化多元协作

    特朗普说非常荣幸访问中国

  • 外交部回应东京审判开庭80周年北京首个作家村落户门头沟

    日本民调显示多数受访者反对解禁杀伤性武器出口

  • “海峡两岸同心光明行”十五载:让爱与光明同行中国发布首份聚焦人工智能与能源融合发展年度报告

    8部门印发意见改革完善儿童用药供应保障机制 让更多孩子用上好药新药

  • 第一视角带看APEC!“我不是中国人 但我是深圳的建设者” 走进美国创客的华强北工作室磷化工板块盘初上扬 金正大触及涨停

    行进的海岸线|黄渤海交汇处澎湃全球海岛绿色新动能

  • 古街变“剧场” 2026年“学子敬状元”文化活动在福州举行国内首例肝移植后双人工心成功植入患者康复良好

    中国—东盟棋手齐聚成都 跨越“楚河汉界”展开对弈

  • 黑河水运口岸正式开通明水期客船运输评论员:不理解亚历山大为何不讨喜

    工业遗产焕新 活化利用释放新活力

  • 秒级复电 新疆首个老旧小区备自投智能改造项目投运京沈深化旅居康养合作 北京银发旅游团抵达沈阳

    聚焦数字化未来 第16届中国门博会擦亮“门都”金名片

  • 王毅同利比里亚外长会谈:愿同利方用足用好零关税政策红利俄方不排除普京与特朗普11月在华会晤

    金银冲高回落!专家:下半年金银仍上行,白银弹性更大

  • (机遇香港)打造世界级黄金交易市场 香港加快构建完整黄金生态圈重庆开州:强降雨致山体滑坡 紧急抢修保畅通

    专访肯尼斯·奎因:“这次美中元首会晤是巨大机会”

  • 2026世界非物质文化遗产节在联合国总部举行王沪宁会见塞尔维亚总统武契奇

    A股“股王”又易主!新“股王”上市14个交易日涨超15倍

  • “阿里山姑娘”恋上明月山:幸福分享给更多“娘家人”日产汽车“背水一战”

    执行神舟二十三号载人飞行任务的航天员乘组确定 将与中外媒体记者集体见面

  • 第八届中国国际茶博会:高颜值茶空间令人流连潮汕腐乳鸡翅走红 吸引海内外食客

    浙江象山军人集体婚礼:爱在松兰山 戎装伴良缘

  • 四川成都:“年轮:四川美术馆2024—2025年收藏作品展”吸引参观者楼市拐点真来了吗

    法国称欧洲将参与乌克兰问题谈判进程

  • 【新思想引领新征程】粤港澳大湾区加快打造高质量发展动力源日本民众抗议政府修宪扩军 反对解禁杀伤性武器出口

    英格兰拟推新规中小学生在校全天不能接触手机

  • 罗东川:生态保护 关键要向绿色低碳要红利看大势、看趋势 4月经济数据透露哪些信号?

    王楚钦孙颖莎荣膺最佳运动员奖

  • 解锁可持续体重管理 上海街头健康减重科普展吸引市民宁夏沙坡头灌区现代化改造加速推进 规划改善灌溉面积131万亩

    文博夜游激活辽宁假日经济

  • 广西阳朔:遇龙河竹筏漂流乐享休闲国家人工智能应用中试基地(具身智能)在杭州揭牌

    中方:对欧洲拟限制中国投资深感失望

  • 队史第11冠!重庆狼队夺得2026王者荣耀挑战者杯冠军比亚迪已建成5924座闪充站

    广西红十字会启动自然灾害Ⅲ级响应 全力投入柳州地震救援工作

  • (乡村行·看振兴)安徽创新乡村直播模式 理论宣讲“云”上发力以军对加沙城发动空袭 以方称目标为哈马斯新任军事领导人

    涉疫邮轮上一名法国人在返法航班上出现感染症状

  • 榴莲价格,打下来了直击嫩江市北部防区春季灭火实战演练

    张国清出席第十三届世界城市论坛领导人峰会并致辞

  • 今年前4月虹桥机场口岸出入境公务机航班总量居全国首位机场口岸客流攀升!APEC中国年,深圳准备好了

    第一观察 | 共同引领新时代中俄关系不断取得新成果

相关攻略
  • 外交部亚洲司司长会见巴基斯坦驻华大使
    2026-11-20 16:06:07
包含 饿了么 的应用集
  • 洁丽雅晒老板出生证自证,都是短剧惹的祸? “两高”就非法占用耕地问题联合发布司法解释 中外携手共育交通工匠 金砖职教合作再添新平台
    2026年“中国旅游日”联合推介活动在尼泊尔举行
    小城藏大美——县域旅游成为“五一”出游新风尚
    146924052125632026-11-20 16:06:07
  • 甘肃第二届职业技能大赛:75个赛项选拔“陇原工匠” 民族领域欧洲涉华“人权干预主义”不可取、不可行 轻音乐与木卡姆和鸣:歌声牵起沪喀双城
    2026浪琴表国际马联场地障碍世界杯中国联赛北京站开赛
    安徽东至:皖南山谷里的水墨秘境
    33138126647572026-11-20 16:06:07
  • 渝万高铁全线149座桥梁全部合龙 多地进入蚊媒活跃期 科学防蚊、灭蚊这样做→ 尼克斯4-0骑士 时隔27年重返总决赛
    5·19中国旅游日:西藏纳木错迎来开湖盛会
    王毅同美国各界人士座谈
    5447719725135976802026-11-20 16:06:07
  • 国际油价跌破100美元 崖州湾国家实验室南宁粮油作物创新平台揭牌 南方多地将有较强降雨:国家防总办公室部署防汛工作”
    黑河水运口岸正式开通明水期客船运输
    高校生录视频获赞“AI建模脸”出圈
    9325987488629652026-11-20 16:06:07
  • 抗战烽火中的滨海小邮局 送过百万封“给阿嬷的情书” 中国科学家首次定量揭示全球变暖如何影响湿地甲烷排放 中国驻日使领馆提醒在日同胞重视户外活动安全
    (经济观察)从西洽会看中国西部制造业的“智变”与“质变”
    潮流舞蹈大赛在广州上演 上百名少年舞者激情开跳
    679109994608852026-11-20 16:06:07
  • 当“随时在线”成为常态 司法如何界定加班新形态 2026年亚太经合组织贸易部长会议在苏州开幕 神舟二十三号发射在即 三舱构型长什么样?
    以军对加沙城发动空袭 以方称目标为哈马斯新任军事领导人
    “根脉同源·艺彩同辉——台湾少数民族文化交流活动”泉州启幕
    394046130336072026-11-20 16:06:07
  • 赛道上最动人的徽章(人民时评) 华电新能发行30亿可续期公司债券 第九届中国(济南)新动能创新创业大赛启动 以赛聚才赋能产业升级
    从消费电子到大国重器 中国品牌多点开花圈粉海内外
    农工党四川省委会在蓉举办主题教育读书班
    62319551005762026-11-20 16:06:07
  • 王毅会见泰国副总理兼外长西哈萨 A股再现国资“A吃A”! 大美边疆看我家丨云南云龙:清凉一夏 心之向往
    陶瓷基板概念走强 蒙娜丽莎5连板
    《煤矿重大事故隐患判定标准》修订通过
    1697916979093323702026-11-20 16:06:07
  • 大模型收费,先过“值不值”这一关 英国高速铁路2号线再次超支延期 截至10月底,我国电动汽车充电基础设施(枪)总数达到2539.1万个
    南方降雨减弱高温范围收缩 北方多地晴热天气发展
    网警侦破2起有偿删差评案 刑拘7人
    112275833082342026-11-20 16:06:07
  • 唐代“皇家寺院”香山寺初步确定为“前殿后塔”布局 打了网红“气血针”,能否“一针提神”?专家提醒 全国首个城市取景地图点亮活动在京启动
    宁夏银川:民众图书馆内度假期
    宁夏“光明行”医疗队远赴贝宁
    717602156348922026-11-20 16:06:07
  • 河北农工党沧州市委与沧州市工人文化宫联合举办当代书画名家作品展 伊朗公布伊控制下的霍尔木兹海峡地区新地图 九载进博启新程
    光博会超200项创新成果首发首展 “光+AI”成焦点
    “五一”假期7.7万人次外籍旅客从上海口岸入境
    496458802195715702026-11-20 16:06:07
  • 强降雨致重庆市北碚区兴隆镇2人失联 直击现场 民进中央对口宁夏开展黄河流域生态保护和高质量发展民主监督工作启动 国家税务总局陕西省税务局原一级巡视员郭章献被查
    全国电池行业规模与效率双突破
    CEO称追觅手机要与苹果三星三分天下
    34964480728856652026-11-20 16:06:07
  • 郑丽文回应中美元首会晤 2026中国智能科技展览会吉隆坡举行 AI成热点 (机遇香港)APEC青年企业家峰会在港举行 多方点赞香港亚太枢纽价值
    我国加快研究制定全国一体化算力网技术标准
    2026年国际“碳中和与能源智联”论坛在京举行
    2562441072205272522026-11-20 16:06:07
  • 陕西壶口金瀑飞流 第八届深圳合唱季开幕 近6000名歌者唱响湾区 广州部分停车场识别不出“粤AP”车牌
    习近平为中美相处之道锚定新定位
    山西留神峪煤矿生产能力每年120万吨
    616898072881902026-11-20 16:06:07
  • 这些外国青年,在博物馆重新认识中国 第二十二届文博会将启,九大“展眼”让你逛展尽兴不发愁 国家主席习近平指出,以更高质量的中俄全面战略协作助力各自国家发展振兴
    成都杜甫草堂“浣花好时节”活动引游人
    宁夏出台管理办法推动医药产业高质量发展
    670617848107588272026-11-20 16:06:07
  • 中国学者发现解“世纪难题”的重要实验证据 成都通报一民办学校举办方代表“威胁恐吓”言论等调查情况 缅甸发生地震 仰光震感明显
    吃出24块鸡头顾客被免单仍想市监介入
    北京地铁1号线苹果园站历时6年改造恢复运营
    8622539762816406512026-11-20 16:06:07
  • 政企聚力搭平台 各地精准施策帮毕业生迈好职场第一步 无人车全链路补能体系在山东青岛发布 可实现自动泊车、充电 第五次全国人民法庭工作会议在京召开 陈文清出席会议并讲话
    港股收盘:中际旭创涨近9%
    朴槿惠复出助选 握手握到肿
    821873907528122026-11-20 16:06:07
  • 日本三重县津市山区火灾仍持续 霸王茶姬2026Q1总GMV达79.18亿元,拟未来12个月回购最高1.5亿美元ADS 长征七号火箭有了新变化
    理想凭什么敢“造人”
    文博会观察:AI加速融入中国文化全产业链
    13578183238240682026-11-20 16:06:07
  • 今年前4个月约1850万人次旅客访港 同比增长约15% 花游世界杯(西安站)第二比赛日:中国队郭牧也拔得头筹 “五一”假期年轻人“备战奥运”热
    广东明珠:股东银国达升辉减持0.99%
    华南江南南部等地有强降水 西北部分地区有沙尘天气
    359990098706900862026-11-20 16:06:07
  • 中国·新疆第十八届环赛里木湖(国际)公路自行车赛在精河县发车 “InXinjiang(141)丨再赴新疆:美国骑行者的天山之约 李强会见塞尔维亚总统武契奇
    葛洲坝开启冲淤试验
    银川海关“关企零距离”活动精准惠企 助力宁夏外贸提质增效
    127433598630482026-11-20 16:06:07
  • 山东各地开展供热保障工作 守护民众冬日暖意 从濒临灭绝到种群恢复,广西生态环境厅厅长讲述保护东黑冠长臂猿的故事 全国首个急性高原病救治中心建设规范发布
    让所有人都有饭吃!非洲青年带家乡水稻丰收照片缅怀袁隆平
    (乡村行·看振兴)“三色木耳”绽开“致富花” 山西忻州绘就乡村新“丰”景
    848645261347762026-11-20 16:06:07
  • 中国移动董事长陈忠岳:加速AI数据中心建设 布局吉瓦级数据园区 揭秘新能源车“续命”生意经 新华图讯|俄罗斯总统普京抵达北京开始访华
    天舟“下班”为什么不回收而是坠入大海
    今年前4月西江长洲船闸过货量创同期历史新高
    57975343681346712026-11-20 16:06:07
  • 世卫组织:已启动应对汉坦病毒疫情行动 广西柳州两次5.2级地震之间有什么关联?专家解读 庆祝上海解放77周年 “红色情怀”在“光荣之城”激荡
    外交部回应东京审判开庭80周年
    母亲节催热“带妈游”,两代人怎么玩更融洽?
    618926590676372026-11-20 16:06:07
友情链接
  • 我国将适时发布以粤港澳大湾区为整体的外贸数据
    2026-11-20 16:06:07
  • 老外也赶“奔县热” 四川大英五一文旅消费热潮涌动
    2026-11-20 16:06:07
  • 广东清远发现国家二级保护植物无叶美冠兰
    2026-11-20 16:06:07
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