符合欧盟人工智能法案的预测流程优于大型模型

一项最新研究评估了一个旨在满足欧盟人工智能法案对安全关键环境要求的短期负荷预测流程。该流程基于开源Python库spotforecast2-safe构建，成功预测了德国输电网41天的负荷。值得注意的是，透明、低成本的本地模型在性能上可与Chronos-2等大型、高能耗的基础模型相媲美，这表明在关键基础设施领域，可审计且合规的人工智能具有可行性。 AI

影响 证明了可审计、合规的人工智能模型在关键基础设施领域可以与大型基础模型竞争。

排序理由 详细介绍新方法和结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Artificial Intelligence Act
• arXiv
• Chronos-2 Forecasting Model
• European Network of Transmission System Operators for Electricity
• Germany
• Python
• spotforecast2-safe
• Thomas Bartz-Beielstein

• 政策
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →