时间序列预测新成果：因果视角下，决策条件模拟的完整工程实现 | KDD'26 Oral
时间序列预测新成果：因果视角下，决策条件模拟的完整工程实现 | KDD'26 Oral真实世界的时间序列，不仅被外部事件冲击，也被人为决策持续重塑。
来自主题: AI技术研报
5880 点击 2026-09-17 14:55
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
真实世界的时间序列，不仅被外部事件冲击，也被人为决策持续重塑。
前不久，微信视觉团队开源了WeMM-Embedding。
什么情况？小米新模型的强化学习训练，直接开了现场直播。
大模型一定要一个 token 接一个 token 地生成文字吗？
在过去的几年里，LLM RL 系统的工作负载发生了巨大的变化。早期的 RLHF 围绕同步训练展开：模型按固定顺序进行生成、打分和训练，每个阶段之间有着明确的同步边界。如今，系统还需要处理异步生成、持续训练、多轮 Agent 以及与外部环境的交互 —— 那些在同步执行中原本隐含的状态、版本和故障边界，现在都必须显式地进行管理。
当大模型已经能够快速生成文案、图片和视频，一个更进一步的问题是：Agent 能否从执行过的任务中积累经验，并在持续交互中改进后续行为？
拿Agent做Coding，想必大家都已经很熟悉了。
一个 Agent 第一次没把任务做对。
零样本学习的目标，是让模型识别训练时从未出现过的类别。
“智能并不局限于大脑内部。当我们使用纸笔或地图来梳理复杂问题时，这些外部工具就成为了我们‘延展的心智’。”