预测模型相关 AI 资讯 · AITOP

9月1日

09:07

官方账号arXiv cs.AI@Yicheng Mao, Haoyang Li, Rob Deardon, Hongru Du

精选73°

研究人员提出GABLE框架，利用大语言模型模拟疫情中的人类行为变化。该模型在法国COVID-19案例中成功复现了人口混合和年龄特定接触结构。短期预测中，LLM生成的接触矩阵优于基于真实移动数据的矩阵，且预测时间越长优势越明显。GABLE还能评估候选政策实施前后的疫情和人类行为响应。

论文 GABLE LLM 疫情模型

推荐理由：GABLE用大语言模型模拟人类行为变化，比传统移动数据预测更准，还能提前评估政策效果。

原文

8月31日

11:39

官方账号arXiv cs.LG@Benjamin Turtel, Paul Wilczewski, Kris Skotheim, Ville A. Satopää, Philip E. Tetlock

该研究比较了五种不同的评分规则作为二元预测训练目标。Brier训练的模型在Brier分数和AUC-ROC指标上表现最佳，而log训练的模型在log分数和校准误差上最优。不同评分规则下的模型在偏差、信息和噪声组合上存在差异，即使总体性能相近。

论文 LLM 评分规则预测模型

推荐理由：这篇论文分析了不同评分规则对LLM预测行为的影响，帮你理解如何选择合适的训练目标。

原文

8月26日

16:33

16:33IT之家（博客/媒体）

小鹏G9L将首发搭载第二代VLA全新版本，具备30秒有效时序，结合X-Foresight世界预测模型，可推演未来6秒环境运动轨迹。端到端响应速度提升300%，端侧模型参数量提高3.5倍。小鹏G9L已于8月11日开启预售，提供超级增程、纯电两种动力。

AI产品小鹏G9L VLA X-Foresight

推荐理由：小鹏G9L首发搭载第二代VLA，预测未来环境运动轨迹，智能驾驶体验再升级，值得一看。

原文

8月21日

10:08

官方账号arXiv cs.LG@Taoyong Cui, Pheng Ann Heng, Wanli Ouyang

精选

Meta AI 提出一种名为 Orthogonal JEPA 的新框架。该框架通过正交预测分解来学习潜在世界模型。它使用正交基矩阵将目标状态分解为多个组件，并为每个组件设置专用预测分支。实验在受控视觉、单细胞转录组学、纵向健康记录、连续控制和分子动力学等多个领域进行。

AI模型 Orthogonal JEPA JEPA Meta AI

推荐理由：Meta AI 推出了 Orthogonal JEPA，它能把复杂系统拆分成多个部分来预测，比标准 JEPA 更高效。

原文

8月19日

11:39

官方账号arXiv cs.LG@Shrey Gupta, Yi Ming, George Mohler

研究比较了机器学习(ML)和深度学习模型预测2012年极端干旱下的县级玉米产量。研究使用16个气象驱动因素作为预测变量，解决了训练和测试数据特征分布不相似的问题。通过样本加权和特征选择，ML模型得到改进，但深度学习模型VITA改进有限。尽管如此，VITA模型仍优于所有ML模型。

论文 VITA crop-yield 预测模型

推荐理由：研究人员改进了干旱下作物产量预测方法，VITA模型表现优于传统机器学习方法。

原文

7月9日

09:25

官方账号arXiv cs.AI@Sahil Kale

该论文从时间维度研究大语言模型（LLM）的置信度估计，比较了预解答的Feeling-of-Knowing（FOK）和后解答的Judgement-of-Learning（JOL）在不同的前沿和开源LLM上的表现。实验表明，后解答置信度校准更好、判别力更强，而基于隐藏表示的线性探针能提取比模型显式表达更丰富的置信度信息。作者提出未来置信度蒸馏方法，使用后解答正确性探针作为教师，训练仅基于预解答隐藏表示的预测器。该预测器在仅用预解答信息的情况下恢复了后解答置信度的大部分校准改进，且样本效率高、在同类数据集间可迁移。

论文大语言模型置信度估计知识蒸馏

推荐理由：这篇论文提出了一种新方法，可以在模型回答之前就预测它的置信度，比传统方法更准更省计算成本。

原文

6月12日

00:46

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 宣布与巴西足球俱乐部 Palmeiras 合作，Palmeiras 成为首个深度应用 TacticAI 的足球俱乐部。TacticAI 是 DeepMind 开发的 AI 系统，能够模拟场上场景并提前最多 8 秒预测开放比赛动态。这一合作将 AI 从实验室带入真实体育战术决策，有望改变球队训练和比赛策略。

AI产品 TacticAI Google DeepMind 体育AI

推荐理由：足球战术分析终于有了 AI 实战案例——TacticAI 能提前 8 秒预测比赛动态，做体育科技或战术分析的团队值得关注这次合作。

原文

6月3日

10:35

官方账号arXiv cs.LG@Thomas Maillart, Thibaut Chataing, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud

该研究利用 OpenAlex 中量子计算子领域的概念共现网络，构建了时间分辨的概念对关系，并追踪每个概念对的上游引用谱系和下游扩散。研究者训练 LightGBM 模型，基于分布和多样性特征预测四个结果：内源强化、外源扩散、两者比率和扩散熵。在控制整体出版增长后，内源强化在量子计算基准中几乎不可预测，而外源扩散和熵的预测性很强（R² 高达 0.78），且由上游异质性、引用广度和分布离散度驱动。在机器人、先进材料和神经植入物领域的复现验证了外源扩散是跨领域的最可预测目标（R²_test 约 0.60-0.87），而神经植入物中内源预测性显著上升（R²_test=0.83），表明量子计算的不对称性并非普遍适用。案例研究显示，熵的急剧增加对应新概念前沿的开启，而熵的崩溃则标志技术收敛或范式更替。

论文概念扩散量子计算预测模型

推荐理由：这项研究为科学预测提供了可量化的新工具，做科技政策分析、创新管理或科研方向判断的团队，可以直接用其方法识别跨领域概念扩散的早期信号。

原文

5月25日

11:20

官方账号arXiv cs.AI@Jiangwang Chen, Bowen Zhang, Zixin Song, Jiazheng Kang, Xiao Yang, Da Zhu, Guanjun Jiang

精选

当前大语言模型对话系统本质上是反应式的，只能在用户输入后响应。OnePred 提出通过递归更新的意图记忆来预测用户下一轮查询，无需重读完整对话历史。该方法采用两阶段强化学习训练，先教模型预测什么，再教如何压缩，形成面向预测的意图链。作者还发布了 NQP-Bench 基准测试集，包含三个子集。实验显示，OnePred 将每轮 token 消耗降低最多 22 倍，同时预测质量优于所有基线，在长对话中优势更明显。

论文对话系统预测模型强化学习

推荐理由：对话系统从反应式走向主动式的关键一步，做对话 AI 或智能客服的团队值得关注，OnePred 的递归记忆思路可以直接参考或复现。

原文