S
SkillNav

LLaTiSA：面向困难分层的时间序列推理

深度2026年4月28日23 分钟阅读
本文揭示了时间序列推理任务中认知复杂度的层次结构，并提出了相应的分层数据集和模型。对于从事时间序列分析、大语言模型应用的研究者以及希望提升AI时序理解能力的工程师来说，该工作提供了新的视角和实用的基准。
本文编译自 LLaTiSA: Towards Difficulty-Stratified Time Series Reasoning from Visual Perception to Semantics，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

OpenAI 终止微软独家协议后，AWS 火速上架全线新品

OpenAI 与微软修改协议取消独家授权后，AWS 火速在 Bedrock 上架 OpenAI 最新模型、Codex 和全新智能体服务 Bedrock Managed Agents。亚马逊称这标志着“更深层次合作的开始”，而微软则转向 Anthropic 和 Claude 驱动的智能体产品。

深度·4月28日·2 分钟

SAS 推出 Viya MCP Server，让任何 AI Agent 都能调用其分析引擎

SAS 发布 Viya MCP Server，通过 Model Context Protocol 将分析能力开放给 Claude、Copilot 等任意 AI Agent。同时推出的还有 Agentic AI Accelerator、营销多智能体系统及供应链智能体，背后是行业专有模型和治理平台 AI Navigator。

深度The New Stack·4月28日·4 分钟

评论