Theta
PulseAugur coverage of Theta — every cluster mentioning Theta across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
简单模型在时间序列预测中优于大型语言模型
一项最新分析强调了时间序列预测中的重大挑战，研究表明，在具有强烈季节性的数据集上，简单的统计模型和零样本基础模型通常优于复杂的神经网络，甚至优于像 Claude Opus 和 Haiku 这样的语言模型。该研究测试了包括 AutoARIMA、DLinear、PatchTST、Chronos 和 TimesFM 在内的各种模型，并与 m4_hourly、m4_daily 和比特币价格数据等基准进行了比较。研究结果表明，尽管复杂的模型在处…
-
新标准简化 AI 编码代理配置
Theta-spec 是一种新的、独立于 harness 的配置标准，专为 AI 编码代理设计。它允许开发人员在一个 `theta.toml` 文件中声明式地定义代理的指令、规则、工具、技能和子代理。一个名为 `theta` 的基于 Rust 的 CLI 工具作为解析、修复和转换这些配置的参考实现，旨在改进 AI 代理设置的共享、版本控制和可复现性。
-
TimeCopilot 教程展示了使用 Foundation Models 的端到端预测
本教程演示了如何使用 TimeCopilot 构建端到端的预测管道，TimeCopilot 是一个集成了各种预测模型的工具。该过程包括准备一个包含真实航空公司乘客数据和包含异常值的合成序列的数据集。然后，它评估了一系列统计模型，包括 Prophet 和 Chronos，以及可选的基于 GPU 的模型，如 TimesFM，以确定最佳性能模型。工作流程包括生成概率预测、可视化趋势、检测异常观测值以及利用 LLM 代理进行模型选择和解释。
-
新框架提炼基础模型用于专业时间序列预测
研究人员开发了一个名为 Guard 的新颖框架，用于将大型通用基础模型（FM）的知识提炼成轻量级、专业的时序预测器。该方法解决了 FM 在科学领域应用面临的挑战，这些领域中分布不匹配和高计算成本是重大障碍。Guard 使用实例级决策过程和上下文路由器来选择最相关的教师 FM，并使用不确定性门控温度机制来控制提炼强度，从而实现适合资源受限边缘部署的高精度预测。此外，一个教程演示了如何使用 TimeCopilot 构建端到端的预测管道，该…
-
撤稿论文详述基于GCN的EEG癫痫发作检测
一项已被撤稿的研究论文提出了一种使用图卷积神经网络（GCN）应用于脑电图（EEG）信号来检测癫痫发作的框架。该方法包括将EEG信号分解为五个频带并提取特征，然后将这些特征输入GCN以模拟空间依赖性。在CHB-MIT数据集上的实验显示出高精度，尤其是在中频带，这表明与传统的宽带方法相比，可解释性和诊断精度有所提高。
-
Databricks 推出草图函数，加速大数据集分析
Databricks 推出了四种新的草图函数，旨在显著加速分析查询。这些函数基于 Apache DataSketches 构建，通过使用具有可配置相对误差 1-2% 的有界内存近似，能够更快地计算百分位数、唯一计数和 Top-K 项。与精确计算相比，这种方法可以将计算时间和内存使用量减少几个数量级。通过允许在不重新处理原始数据的情况下存储、合并和重新查询草图，这些新功能还有助于实现实时分析，例如受众重叠分析和趋势排行榜。