English(EN) STM3: Mixture of Multiscale Mamba for Long-Term Spatio-Temporal Time-Series Prediction

STM3模型在长期时空时间序列预测方面取得进展

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-22 04:00

研究人员推出STM3，一个新颖的专家混合（Mixture-of-Experts）框架，旨在增强长期时空时间序列预测能力。该方法集成了多尺度Mamba架构与解耦专家混合（Disentangled Mixture-of-Experts, DMoE），以有效捕捉多样化的多尺度信息。STM3还采用自适应图因果网络来建模复杂的空间依赖性，并使用具有因果对比学习的稳定路由策略来实现鲁棒表示。在十个真实世界基准数据集上的实验表明，STM3取得了最先进的成果，在PEMSD8等数据集上显著优于先前模型。 AI

影响提升了复杂时间序列预测的能力，可能改进气候建模和交通预测等领域的应用。

排序理由该集群包含一篇详细介绍新模型及其在基准测试中表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新模型及其在基准测试中表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 176 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Haolong Chen, Liang Zhang, Zhengyuan Xin, Guangxu Zhu · 2026-05-22 04:00

STM3：用于长期时空时间序列预测的多尺度Mamba混合模型

arXiv:2508.12247v2 Announce Type: replace-cross Abstract: Recently, spatio-temporal time-series prediction has developed rapidly, yet existing deep learning methods struggle with learning complex long-term spatio-temporal dependencies efficiently. The long-term spatio-temporal de…

本文如何被排名

报道来源 [1]

STM3：用于长期时空时间序列预测的多尺度Mamba混合模型

相关实体

相关话题