weather
PulseAugur coverage of weather — every cluster mentioning weather across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
QuantFlow：联邦Mamba模型增强时间序列预测
研究人员推出QuantFlow，一个新颖的用于时间序列预测的联邦学习框架。该模型结合了倒序序列嵌入、双向Mamba状态空间解码器和分位数回归，以处理长序列、高维度和隐私敏感数据。QuantFlow在包括加密货币、交通和天气在内的各种数据集上表现出色，同时在去中心化部署中保持准确性，而无需集中化原始数据。该框架在可扩展和注重隐私的时间序列预测方面显示出潜力，尽管它在处理不规则信号和长周期泛化方面存在局限性。
-
Diffusion-LLM 将扩散模型与 LLM 集成，实现鲁棒的时间序列预测
研究人员开发了一个名为 Diffusion-LLM 的新框架，该框架集成了条件扩散模型和大型语言模型（LLMs），用于时间序列预测。该方法旨在通过实现校准概率建模和更好地对齐异构表示来解决标准 LLM 在处理多模态数据方面的局限性。Diffusion-LLM 框架在 ETT、Weather 和 ECL 等多个基准的超长期和少样本预测任务上表现出改进的性能，展示了增强的鲁棒性和泛化能力。
-
新的光学系统HAMON实现了14%的预测精度提升
研究人员开发了HAMON，一种用于长视界时间序列预测的新型无源光学系统。该系统将历史数据编码到光学孔径上，并使用可训练的相位掩模通过自由空间衍射直接在输出场中塑造预测，从而在推理过程中无需数字序列混合层。HAMON在ETTm2和ETTh2等基准测试中表现出卓越的性能，在MSE方面优于强大的数字基线高达14%，同时在天气数据上取得了有竞争力的结果，在交通和电力数据集上表现不一。
-
AI利用卫星和天气数据预测六个月后的饥荒
一个AI系统正在被开发，用于预测长达六个月的饥荒。这种预测能力依赖于分析公开的卫星图像和天气数据。目标是为人道主义援助和干预提供早期预警。
-
苹果 iOS 27 将带来重大设计改版和简化的Liquid Glass
据报道，苹果公司正计划对iOS 27进行重大的设计改版，重点是简化“Liquid Glass”等功能。此次即将推出的更新预计将在WWDC上发布，还将对相机、Safari和天气等核心应用程序进行更改。在此次重大发布之前，苹果公司还准备推出iOS 26.5，其中将包含一些小幅调整，然后才会全面发布下一个主要操作系统。
-
新基准量化LLM在不同领域的API差异
研究人员开发了一个新框架，用于衡量不同大型语言模型（LLM）在为任务检索和排序外部API时存在多少分歧。研究发现，在各种API领域和主要模型家族中，一致性适中但存在显著差异，具体取决于任务类型。结构化任务显示出更高的一致性，而开放式推理任务导致更大的分歧，这凸显了多智能体LLM协调中潜在的安全风险。