#预测模型
Meta把JEPA预测模型扩展到了80亿参数，用12种机器人数据训练，能预测规划性能。
Kontakt.io这份指南基于100多家医院真实数据，帮你避开医疗AI实施中的幻觉陷阱。
OpenAI发布TeeMoE模型，能同时处理时间序列预测、上下文预测和语言推理，在三个基准测试中排名前三。
ReCIRC算法解决了保形风险控制中单一阈值无法适应不同输入条件风险的问题，在多个任务上表现优异。
牛津研究团队发表新论文，通过数学论证指出，大模型（LLMs）无法真正“发明”新事物，因为它们本质上是预测下一个词的模型，无法相信现有数据中错误的信息。作者认为，人类能够基于现有数据提出新理论，而大模型则只能反映过去。作者每天使用这些模型，发现新突破通常来自人类判断现有数据错误并做出新理论。
这个研究用物理模型解决了黑盒模型在激光增材制造中预测晶粒取向时的局限性，通过区分数据适用性、物理有效性和预测不确定性，实现了更可靠的决策，值得一看。
谷歌搞了个新模型叫TimesFM-3，能从销售数据、天气这些信息里预测未来，比以前的方法快得多，误差也小。
NOAH模型能处理医疗图像、时间序列、数值信号等多种医疗数据，实现患者状态预测和反事实干预模拟。
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。
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。
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。
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。
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。