FoundryNet 开发了一种使用名为 TimesFM 的时间序列基础模型来预测设备故障的新方法。该方法仅需 16 个数据点，大大减少了对大量每台机器训练数据的需求。该系统会规范化来自不同 OEM 的遥测数据，预测未来值，并能预测何时会超过故障阈值。通过在 MINT Protocol 上进行验证，并在 Solana 区块链上结算，使预测可验证。 AI
影响 通过将预测集成到由代理驱动的编排系统中，从而实现对设备故障预测的自主操作。
排序理由 这描述了现有 AI 模型（TimesFM）和协议（MCP、MINT）在解决实际问题（预测性维护）中的具体应用，而不是新模型发布或基础研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
