作者:黄丽江发布时间:2026-11-21 03:43:36 点击数:89230

本周监管部门传递新进展南通队球员帮助南京队抽筋球员拉伸 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

山东省泰安市泰山区广东省珠海市斗门区江苏省徐州市新沂市上海市市辖区嘉定区朝阳区双井街道吉林省白山市浑江区博尔塔拉蒙古自治州温泉县陕西省商洛市山阳县延庆区康庄镇南开区长虹街道百色市田林县崇左市宁明县云南省文山壮族苗族自治州广南县四川省德阳市广汉市朝阳区豆各庄地区武清区汊沽港镇湖北省恩施土家族苗族自治州恩施市山东省聊城市冠县防城港市东兴市辽宁省辽阳市白塔区焦作市沁阳市平顶山市湛河区四川省广元市山西省晋中市灵石县和田地区马鞍山市博望区山西省临汾市安泽县甘肃省兰州市蚌埠市蚌山区朝阳区管庄地区辽宁省沈阳市山西省运城市夏县江西省吉安市吉安县重庆市县巫山县静海区大邱庄镇蓟州区官庄镇辽宁省锦州市义县塔城地区和布克赛尔蒙古自治县山东省潍坊市青州市湖北省宜昌市西陵区崇左市宁明县鹿泉区白鹿泉乡赵县沙河店镇长安区南村镇福建省莆田市仙游县鹿泉区白鹿泉乡山西省吕梁市岚县丰台区和义街道西城区天桥街道丰台区右安门街道辽宁省沈阳市山西省忻州市宁武县宝坻区牛家牌镇吉林省白山市浑江区银川市贺兰县防城港市东兴市辽宁省锦州市义县云南省西双版纳傣族自治州勐腊县四川省广元市甘肃省天水市秦州区陕西省汉中市南郑区四川省广元市内蒙古鄂尔多斯市鄂托克旗伊犁哈萨克自治州昭苏县山西省吕梁市中阳县塔城地区和布克赛尔蒙古自治县广东省云浮市新兴县辽宁省锦州市义县青海省果洛藏族自治州伊犁哈萨克自治州昭苏县福建省漳州市龙海市甘肃省陇南市武都区蓟州区东二营镇防城港市东兴市怀柔区宝山镇四川省凉山彝族自治州昭觉县门头沟区大峪街道湖北省宜昌市夷陵区云南省怒江傈僳族自治州福贡县桂林市兴安县陕西省汉中市西乡县大兴区山西省运城市夏县黑龙江省佳木斯市汤原县上海市市辖区嘉定区武清区汊沽港镇焦作市沁阳市山西省晋中市榆社县怀柔区宝山镇陕西省汉中市西乡县哈密市伊吾县山西省晋中市榆社县海淀区青龙桥街道黑龙江省绥化市明水县福建省南平市内蒙古呼伦贝尔市阿荣旗井陉县测鱼镇百色市靖西市赵县沙河店镇青秀区

本月行业报告公开研究成果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

云南省丽江市宁蒗彝族自治县山东省东营市垦利区辽宁省大连市旅顺口区贵州省铜仁市玉屏侗族自治县西藏阿里地区日土县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平山县上观音堂乡四川省遂宁市蓬溪县山东省潍坊市青州市赞皇县西龙门乡元氏县山西省晋城市泽州县怀柔区宝山镇江苏省南通市启东市山西省晋城市高平市湖北省宜昌市宜都市蓟州区东二营镇青海省果洛藏族自治州怀柔区宝山镇平山县小觉镇辽宁省锦州市义县内蒙古兴安盟乌兰浩特市怀柔区宝山镇福建省三明市梅列区亳州市利辛县和田地区陕西省西安市未央区广东省惠州市龙门县北海市海城区长安区广安街道昌平区阳坊镇静海区大邱庄镇赞皇县西龙门乡广东省云浮市新兴县桂林市秀峰区静海区西翟庄镇甘肃省陇南市武都区海南省三沙市西沙区福建省三明市梅列区黑龙江省鹤岗市云南省普洱市景东彝族自治县蚌埠市龙子湖区山东省德州市齐河县阿克苏地区拜城县北辰区北辰区朝阳区酒仙桥街道怀柔区雁栖地区吉林省白山市浑江区江西省赣州市石城县黑龙江省伊春市金林区四川省成都市双流区武清区上马台镇黑龙江省鹤岗市广东省汕头市龙湖区许昌市建安区广东省汕头市南澳县赵县沙河店镇湖北省恩施土家族苗族自治州建始县塔城地区和布克赛尔蒙古自治县信阳市平桥区山西省忻州市宁武县西城区天桥街道云南省怒江傈僳族自治州福贡县湖北省宜昌市秭归县四川省宜宾市珙县海南省儋州市贵州省安顺市普定县西城区天桥街道山东省潍坊市青州市青海省海西蒙古族藏族自治州德令哈市山东省威海市甘肃省定西市渭源县山西省临汾市安泽县山西省长治市襄垣县江西省吉安市吉安县云南省普洱市景东彝族自治县山东省泰安市泰山区广东省深圳市山西省晋城市高平市武清区汊沽港镇昌平区回龙观街道江苏省连云港市赣榆区崇左市宁明县朝阳区酒仙桥街道江西省宜春市宜丰县西城区天桥街道辽宁省锦州市义县云南省红河哈尼族彝族自治州绿春县辽宁省沈阳市江苏省苏州市相城区海南省儋州市山西省晋城市高平市黑龙江省鹤岗市芜湖市南陵县云南省大理白族自治州云龙县内蒙古锡林郭勒盟镶黄旗陕西省汉中市西乡县北海市海城区

全球服务区域:隆安县云南省红河哈尼族彝族自治州绿春县朝阳区酒仙桥街道辽宁省朝阳市北票市防城港市东兴市朝阳区小关街道青海省海南藏族自治州贵德县西藏拉萨市达孜区丰台区长辛店镇大兴区平山县宅北乡武清区汊沽港镇西藏山南市贡嘎县广东省汕头市龙湖区亳州市利辛县青海省海西蒙古族藏族自治州德令哈市濮阳市南乐县桂林市兴安县鹿泉区白鹿泉乡内蒙古呼伦贝尔市阿荣旗蓟州区东二营镇平顶山市卫东区山东省泰安市东平县青海省果洛藏族自治州丰台区右安门街道丰台区和义街道怀柔区宝山镇元氏县苏村乡博尔塔拉蒙古自治州温泉县湖北省宜昌市夷陵区朝阳区酒仙桥街道四川省成都市双流区湖北省孝感市汉川市桂林市秀峰区辽宁省铁岭市清河区福建省南平市贵州省安顺市普定县蓟州区官庄镇黑龙江省鹤岗市海南省海口市美兰区甘肃省兰州市山西省运城市夏县江苏省徐州市哈密市伊吾县福建省厦门市海沧区黑龙江省鸡西市鸡冠区云南省大理白族自治州云龙县平山县小觉镇四川省甘孜藏族自治州丹巴县内蒙古呼伦贝尔市阿荣旗赞皇县西龙门乡昌平区回龙观街道黑龙江省哈尔滨市巴彦县许昌市建安区四川省凉山彝族自治州甘洛县西城区天桥街道山东省泰安市泰山区井陉县吴家窑乡焦作市沁阳市云南省红河哈尼族彝族自治州绿春县福建省福州市永泰县阿克苏地区新和县山西省晋城市泽州县濮阳市南乐县内蒙古锡林郭勒盟镶黄旗平山县上观音堂乡四川省成都市双流区蓟州区东施古镇井陉县吴家窑乡陕西省宝鸡市眉县西城区月坛街道湖北省宜昌市秭归县辽宁省大连市旅顺口区陕西省汉中市西乡县濮阳市南乐县贵州省铜仁市印江土家族苗族自治县芜湖市南陵县江苏省连云港市赣榆区西城区天桥街道无极县大陈镇陕西省汉中市南郑区四川省广元市山西省临汾市安泽县怀柔区龙山街道黑龙江省伊春市金林区辽宁省辽阳市白塔区云南省文山壮族苗族自治州广南县四川省甘孜藏族自治州平山县宅北乡井陉县测鱼镇四川省宜宾市珙县福建省漳州市龙海市黑龙江省七台河市桃山区西青区精武镇山东省聊城市茌平区平顶山市湛河区山东省聊城市冠县朝阳区双井街道西城区月坛街道山西省晋中市太谷区

昨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:售后服务维修中心电话,支持多渠道服务

全国服务区域:四川省凉山彝族自治州西昌市吉林省白山市浑江区黑龙江省大兴安岭地区呼玛县濮阳市南乐县平顶山市湛河区平山县岗南镇朝阳区双井街道山东省潍坊市青州市山东省泰安市泰山区山西省吕梁市中阳县山东省泰安市泰山区桥西区苑东街道乌鲁木齐市沙依巴克区黑龙江省鹤岗市平顶山市卫东区山西省晋中市太谷区洛阳市汝阳县上海市市辖区嘉定区吉林省长春市双阳区山东省滨州市河东区大直沽街道山西省晋中市榆社县南阳市内乡县喀什地区叶城县鹿泉区寺家庄镇桥西区苑东街道怀柔区宝山镇朝阳区双井街道云南省普洱市景东彝族自治县长安区广安街道崇左市马鞍山市博望区西城区月坛街道湖北省宜昌市夷陵区元氏县苏村乡辽宁省沈阳市浑南区福建省南平市建瓯市广东省广州市越秀区湖北省宜昌市秭归县湖北省恩施土家族苗族自治州恩施市伊犁哈萨克自治州昭苏县辽宁省铁岭市开原市山西省忻州市定襄县鹿泉区白鹿泉乡四川省宜宾市江安县大兴区云南省普洱市景东彝族自治县合肥市庐阳区西藏山南市江苏省南通市启东市赞皇县院头镇丰台区和义街道北辰区广源街道山西省晋城市泽州县淮南市大通区防城港市东兴市江西省吉安市永新县密云区不老屯镇内蒙古乌海市乌达区江苏省南通市启东市贵州省铜仁市印江土家族苗族自治县云南省大理白族自治州云龙县濮阳市南乐县山西省晋城市泽州县赵县沙河店镇江苏省南京市浦口区洛阳市汝阳县海南省儋州市黑龙江省伊春市金林区山东省滨州市芜湖市南陵县濮阳市南乐县甘肃省庆阳市镇原县井陉县测鱼镇江西省赣州市石城县四川省甘孜藏族自治州九龙县江西省宜春市宜丰县辽宁省朝阳市北票市广东省广州市越秀区江西省鹰潭市余江区山东省滨州市广东省佛山市三水区辽宁省沈阳市青海省果洛藏族自治州隆安县辽宁省本溪市溪湖区江西省九江市武宁县辽宁省沈阳市沈河区陕西省汉中市南郑区黑龙江省绥化市明水县广东省广州市越秀区山西省晋中市榆社县江苏省苏州市相城区行唐县龙州镇朝阳区酒仙桥街道吉林省长春市双阳区鹿泉区寺家庄镇江西省吉安市吉安县江苏省苏州市相城区山东省威海市

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。

昨日官方渠道传递新研究成果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。


谈及中国田径的现状,李玉婷说:“中国田径出现了更多年轻的运动员,这说明未来充满了更多希望。但压力与希望并存,这也会在某种意义上激励我们,让我们有更多的成长空间。” 网站操b-网站操b最新版V.76.89.64-2265安卓网 南通队球员帮助南京队抽筋球员拉伸
南通队球员帮助南京队抽筋球员拉伸

南通队球员帮助南京队抽筋球员拉伸

百万最新免费软件游戏

下载

南通队球员帮助南京队抽筋球员拉伸
首页>>普京任命绍伊古新职务
南通队球员帮助南京队抽筋球员拉伸

南通队球员帮助南京队抽筋球员拉伸

「活动」首次登录送19元红包

57.17MB
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19%好评(94人)
评论58
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:84.62MB
  • 最后更新:2026-11-21 03:43:36
  • 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:7.34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"
  • 印尼一火山喷发 20名受困登山者中14人获救
  • “戏聚长平 梆震山河——梆子声腔大会”在山西高平举行
  • 长鑫科技科创板IPO获通过
  • 留神峪煤矿今日救援重点:对井下反复搜救 确保不留死角
  • 巴西对华免签首日 上海浦东机场口岸迎来首批出境旅客
  • 中俄博览会展风采 河北南皮五金“智造”闯海外
  • 外交部:中国军队开展活动一贯符合国际法和国际惯例
  • 广交会观察:华商赋能 中国食品踏浪出海
  • 广州多区发布龙卷风警报
  • 台湾文化使者:创作新时代文化佳作,传递两岸心灵契合
  • 记者手记:大国外交的“北京时间”
  • 6支国家矿山应急救援队伍赴山西通洲集团留神峪煤矿瓦斯爆炸事故现场参与救援
  • 新一轮俄美乌三方会谈在阿联酋开始举行
  • 新疆沙漠地带建起养殖基地 首批投放300万尾鲈鱼苗

    英国威尔士首席大臣宣布辞任威尔士工党领袖

    中外车手昆明东川角逐天然泥石流越野赛

    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

  • “扫码入企”为企业松绑减负西藏职校开“直播”课 学生兴趣强烈

    音乐剧《南孔》济南上演 衢州送文旅大礼包

  • 养老服务机器人:技术过硬 更“贴心”伊朗宣布处决两名向以色列提供情报的间谍

    主播明明离开东方甄选后首开直播

  • “版权蟑螂”:把“维权”异化成“唯利”江西本轮降水过程趋于结束 各重点江河站均在警戒水位以下

    粤剧名家领衔演出 《张九龄》《白蛇传·情》登陆上海

  • 江西庐山:水光潋滟 翠色浮烟河南南阳上演“沉浸式拆飞机”名场面

    第二十二届中国(深圳)国际文化产业博览交易会开幕

  • 国际社会不能被日本的核伪装欺骗(钟声)王毅外长将应邀访问加拿大 中方介绍主要活动和期待

    2026年全国残疾人足球公开赛在京举行

  • 中国将举办联合国安理会高级别会议 外交部介绍会议设想一图读懂丨个税汇算这些“坑”别踩

    伊媒披露伊美谅解备忘录内容 白宫否认

  • 东江流域今汛扩大水工程联合调度范围重庆出现2026年首个编号洪水 秀山梅江出现超警戒水位

    日本宫城县附近海域发生6.3级地震

  • 我国新增34家领航级智能工厂石油供应链受阻在日本引发“连锁反应”

    史杰鹏五部小说新版结集 揭开先秦至两汉历史秘境

  • 日本宫城县附近海域发生6.3级地震 无海啸风险中超第10轮:泰山大胜申花 蓉城保持不败继续领跑

    国际人士:中美元首会晤为世界带来稳定性和确定性

  • 民生政策入基层 重庆启动民政政策宣传月券商发债“补血”再提速

    彭昱畅女友是彭昱畅专属经纪人

  • 中方:愿与巴哈马共同努力不断增进政治互信焦点访谈|与世界共享机遇!中国高水平开放步伐坚定向前

    降血脂、改善脂肪肝 教你一个性价比超高的养生妙招

  • 全国首个跨省区城市足球超级IP有何特色?走进沈阳现场去看看中国首部同时规范桥梁和隧道水域交通安全的地方性立法将于6月1日起施行

    宁夏枸杞入港出海拓国际市场

  • 天热了车里别放这些东西!已有车辆遭“封印”山西一逃犯3年用掉1000吨水

    muShanghai国际科技火人节启动 全球顶尖技术人才跨界碰撞

  • 发生爆炸事故的山西沁源留神峪煤矿为高瓦斯矿井联合国安理会讨论波黑问题:中方强调尊重波黑主权独立和领土完整

    让患者在家门口看好病 辽宁岫岩借力三甲破解基层看病难

  • 大美边疆看我家丨黑龙江哈尔滨:云端俯瞰 邂逅五月冰城“Token包”来了,以后用AI就像交话费?

    A股银行板块周五逆势飘红 多只银行股股价创历史新高

  • 我国将实施首个太空人体研究计划特斯拉停产Model S/X意味着什么

    全球首例 内蒙古贺兰山重引入雪豹繁殖出“豹二代”

  • 多国留学生在长春沉浸式感受智造魅力孙中山后人孙伟勇:岛内思考统一是民心觉醒

    缅甸发生5.2级地震 震源深度10千米

  • 相声、茶艺、弹唱 澳大利亚“汉语桥”选手花式秀中文武契奇参观中共一大纪念馆:若不能透彻地理解过去,便无从真正把握未来

    杭台人工智能融合发展交流合作机制成立 多项目签约

  • 吉林老工业基地“进位、突破”底气何来?乌鲁木齐大风真能把人吹飞

    墨西哥超千户平民因帮派袭击被迫逃离家园

  • 惩戒与修复并重 央行就“严重失信主体名单”管理公开征求意见国家级战略合作按下加速键,海信视像打造东盟市场新增长极

    南昌汉代海昏侯国遗址博物馆人气旺 游客邂逅金色大汉盛景

  • 紫金矿业:首次回购A股股份耗资约1亿法国议员:文化遗产具有重要意义

    澳门高校举行座谈会 探讨助力国家自主知识体系构建

  • 记者直击湖南石门洪水现场:部分房屋被冲毁 村民自发清淤救灾图书广告引热议 “余华读得浑身发抖”被余华打假

    上海一酒吧把脉配酒走红 店家回应

  • 重庆市委原常委、政法委原书记陆克华一审被判死缓货车撞断限高栏杆 砸中路边女子

    蛋白质,到底该怎么吃?

  • 朝“问”健康 输液不能图“省时” 自行调节滴速新一轮俄美乌三方会谈在阿联酋开始举行

    中国驻美大使谈中美关系

  • 国台办回应两岸两会联系停摆十年王毅分别同新加坡外长维文、巴基斯坦国防军司令兼陆军参谋长穆尼尔会谈会见

    2026新疆国际农业机械博览会开展 智能农机成主流

  • 福建首个侨台档案融合展示馆吸引参观者美宜佳更重视加盟商赚不赚钱了

    2026中国智能科技展览会吉隆坡举行 AI成热点

  • 徐州贾汪非法排污事件追踪:清污工作仍在继续广州天河“龙舟大戏”开锣 逾100场活动过端午

    外交部:希望欧方全面客观积极看待中欧经贸关系

  • 湖南:深化人工智能产业赋能和场景应用 河北:数字赋能 推动传统产业转型升级美方强行控制马杜罗总统夫妇已4个月 中方回应

    闻“汛”而动!直击武警官兵防汛综合演练

  • 北方热力加码!今年首轮高温过程来袭,之后要一直热下去了吗?多国宗教界人士走进新疆

    从产业集群到时尚地标 “童装之都”奔赴出海新航程

  • 系统布局人工智能计量能力建设 两部门联合印发重要指引江苏发布近200项特色活动邀公众共赴“博物之约”

    向太谈找儿媳妇的标准

  • 国台办回应吕礼诗感叹祖国强大遭查国防部:“以武谋独”死路一条,祖国统一才是光明大道

    评论:救灾中坚守的基层干部,不该被一副耳环“定义”

  • 拾光纪·“以实现中华民族伟大复兴为己任”(乡村行·看振兴)山西灵丘复种老品种玉米 探索本土作物产业路径

    重庆武隆罩云山野生杜鹃花盛开 云端花海吸引游客打卡

  • 父亲病危女子请假被拒后因旷工遭辞退,企业管理岂能丢掉人情味国乒男团靠什么赢

    雷霆逆转马刺2-1领先 替补席大爆发

  • 中韩青年江西行,看见了什么?外交部提醒中国公民近期谨慎前往刚果(金)

    上海周浦侨联义诊组坚守四十载:医者侨心 薪火相传

  • “初心共染:宿利群、林春岩艺术文献展”在京启幕国际观察:中国对非零关税举措将促进阿尔及利亚与中国合作进一步走深走实

    西藏八项增速领跑全国,高质量发展动能澎湃丨真相

  • 因海况不佳 “两马”航线8日双向停航国台办:将支持福建不断探索海峡两岸融合发展新路径、新模式

    前4个月四川进出口同比增长1.8%

相关攻略
  • 广西多地以“生态游”催热县域消费
    2026-11-21 03:43:36
包含 饿了么 的应用集
  • 董明珠回应格力业绩下滑 中国国产600公斤推力级F406涡扇发动机首飞成功 矿床地质学家、中国工程院院士陈毓川逝世
    去年全国离境退税销售额增长近1倍
    全新问界M9累计预订量突破3.5万台
    146198152195802026-11-21 03:43:36
  • 四川造血干细胞捐献突破1000例:一份“热血”背后的生命接力 买20万飞天茅台必须搭售40万黔茅酒 自媒体博主被判赔比亚迪200万
    天舟货运“零差评”背后 是航天人对每个环节的精益求精
    2026广东高校服装联盟暨华农时装周惊艳亮相
    33137916645612026-11-21 03:43:36
  • 江西共青城:深化产教融合 统战赋能航空人才培养 梨花漫染鹤岗城 赏花盛会激活文旅消费热潮 ST龙大:实控人戴学斌被刑事拘留
    陈茂波:香港拟为合资格大宗商品交易提供50%利得税优惠
    美总统涉台“四不”示警“台独”
    5447792075135974122026-11-21 03:43:36
  • 吴镇宇连散光都能演出来 重庆一山坡现梦幻“蘑菇森林” 宛如童话世界 边城呼玛:杜鹃花海醉游人 生态红韵引客来”
    母亲节香港街头免费派送花束礼物
    两岸茶人福建安溪以茶为媒话交流合作
    9325187488651252026-11-21 03:43:36
  • 泽连斯基称国家债务已增至2760亿美元 Deepseek和阿里谈崩了?市场人士回应 述评:国乒“新答卷”:立于高处,从无安逸可言
    广东暴雨天蟑螂成群出动
    他们的青春,闪闪发光!
    679922554605252026-11-21 03:43:36
  • 公安部:2025年以来破获各类经济犯罪案件12.8万起 多只大牛股盘中跌停 广东省战略性新兴产业投资引导基金启动 总规模1000亿元
    国家大剧院与法国波尔多国家歌剧院联合制作歌剧《魔笛》将在京登台
    “魔豆妈妈”公益项目20周年 已帮助近3万名女性实现就业创业
    394021230337442026-11-21 03:43:36
  • “天启”累计部署41颗在轨卫星 卫星物联网业务商用试验获批复 美国在委内瑞拉举行军演 民众抗议 广西崇左边境线上演“捕蛇大战”,11名外籍偷渡客落网
    普京专车挂上中国车牌 包含3个“8”
    养了只碎嘴鹦鹉是什么体验
    62317311004502026-11-21 03:43:36
  • 一条廊道连浙皖 千岛湖黄山好水好山共“生金” OpenAI创始人跳槽Anthropic “电子榨菜”变“文化硬菜” “duanju”为何在海外爆火
    新西兰教育界人士:发挥产教融合优势 深化两国教育合作
    广西柳州发生5.2级地震 两部门派工作组赴震区指导抗震救灾工作
    1697976559093336912026-11-21 03:43:36
  • 中华全国总工会党组书记、副主席、书记处第一书记徐留平接受审查调查 运动消费热度节节攀升 第八届互联网辟谣优秀作品名单揭晓
    2023年以来河北累计引进央企总部及二、三级子公司超800家
    《唐东杰布生平研究》新书座谈会在拉萨举办
    112278513086182026-11-21 03:43:36
  • “长三角之星”旅游列车开启首次试运营 5月19日将从上海启程前往新疆 “小满”渐暖雨势将兴 黑龙江省逐步进入主汛期 广西一企业糖蜜增效液储罐发生泄漏 事故未造成人员伤亡
    2026年ITF国际网球大师赛石家庄站挥拍开赛
    曾受捐双胞胎将零花钱捐给地震灾区
    717143156350902026-11-21 03:43:36
  • 68岁男子带60岁女友520领证 “闽台融合义务救援站”志愿服务项目在福州正式启动 中国驻阿联酋使领馆提醒在阿中国公民加强安全防范
    福建全省推行中小学春秋假制度 全年不超过6天
    第九届进博会按年计意向成交额突破854亿美元
    496431683195758452026-11-21 03:43:36
  • 2026上海浪琴环球马术冠军赛:1.60米浪琴大奖赛举行 中国自然资源部:预计今年灾害性风暴潮较常年稍多 对话护理战线“掌灯人”:聚光成炬,为生命“守夜”
    长鑫科技今日上会 市值冲击2万亿元
    15日起售 60周岁及以上老年旅客可享淡季火车票优惠
    34964821728847972026-11-21 03:43:36
  • 刚果(金)一埃博拉治疗中心发生火灾 现场浓烟滚滚 美国人远赴墨西哥买中国汽车 李强致电祝贺毛焦尔就任匈牙利总理
    “0糖”“0脂” 真的更健康吗?专家教你跳出营销陷阱
    多国校长海口共议AI时代教育变革
    2562441022205283822026-11-21 03:43:36
  • 国际博物馆日:南昌八一起义纪念馆让红色文物“安家” 央企副总经理随手放涉密文件致丢失 学习卡丨中美正确相处之道,习主席这样阐释
    从“工业锈带”到“生活秀带” 长春历史遗迹重构文旅新格局
    【诗画中国】诗韵中领略九曲黄河的非凡气象
    616484962883272026-11-21 03:43:36
  • AI商业化:“收费”是大模型的趋势吗? 全年煤炭市场供需预计总体平衡 供给保持较高水平 4月下旬流通领域重要生产资料21种产品价格上涨
    从增量扩张到存量提质 建设现代化人民城市
    黑龙江春播正酣 智能农机丝滑走位
    670617858107572032026-11-21 03:43:36
  • 5000多年前中国人就用上了刀叉 南方朱鹮保护创新纪录 浙江德清种群达到1000只 国家防办派出工作组赴广西协助指导车辆坠河人员搜救工作
    初夏的北京胡同花香四溢
    广州探索超大城市生物多样性保护新路径
    8622546677816407832026-11-21 03:43:36
  • 不顾经济民生 高市政府执意推进扩武路线意欲何为? 婚姻服务中心员工借地震炒作被约谈 诺基亚凭什么重回巅峰
    穿越百年航海史 “时光邮轮”驶入吉林长春
    以旧换新政策,今年力度降了吗
    821983907598712026-11-21 03:43:36
  • 2026集美·阿尔勒影像艺术季在厦门开幕 吴宜泽父亲卖掉住房打零工供其训练 米面油、化妆品不能刷医保个账
    传统邮局如何在“十字路口”破局? 基于情感 孵化更多文化属性产品
    聚焦雪域高原少年成长 《我的名字叫太阳》新书发布
    13578413238264072026-11-21 03:43:36
  • 哈萨克斯坦2026年以来登记麻疹感染病例逾5000例 2026年全民终身学习活动周启动 中国成功发射天舟十号货运飞船
    被普京抱过的中国男孩将再见普京
    男童凌晨4点街头抱着被子哭泣
    359976898706991372026-11-21 03:43:36
  • 懂爱才更会爱 近八成受访大学生对恋爱课感兴趣 “陕西发布“十五五”中小博物馆提升计划 北京曲剧《雷雨》观摩研讨会在京举办
    超市收银员5个月顺走247条香烟
    多名老人免费领鸡蛋被骗走50万
    127457998622272026-11-21 03:43:36
  • 丈夫抢娃 女博士时隔200多天见到幼子 SpaceX拟550亿美元启动Terafab项目 美宜佳更重视加盟商赚不赚钱了
    “小满”遇上“521”新人甜蜜领证:不求圆满求刚好
    跳水世界杯总决赛:蒋林静获女子10米台冠军
    848642801343402026-11-21 03:43:36
  • 大型系列片《严守耕地红线》讲述中国耕地保护的智慧实践 驻华使节体验中国新文创市集 一季度中国造船三大指标国际市场份额保持全球领先
    习近平会见文莱王储比拉
    中国小将吴宜泽创造历史 本人发声
    57975210681936632026-11-21 03:43:36
  • 四川首所专门面向残疾人的中等职业学历教育学校挂牌成立 袁隆平亲授弟子追忆袁老 荷兰:全世界都在努力研发光刻技术
    躺着就能赚钱?航天卧床实验没你想得那么简单
    鲁西南核心铁路货运枢纽升级项目进入冲刺阶段
    618922671776622026-11-21 03:43:36
友情链接
  • 中国驻泗水总领馆提醒中国公民切勿参与“非法采金”
    2026-11-21 03:43:36
  • 英国威尔士首席大臣宣布辞任威尔士工党领袖
    2026-11-21 03:43:36
  • 第二艘国产大型邮轮“爱达·花城号”完成试航
    2026-11-21 03:43:36
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