搜索
七年前，美国小伙 John Dean 从斯坦福大学辍学和几个同学创立了 AI 气象预测公司 WindBorne，为的是造更好的气球、建更好的 AI 天气预测模型，到如今他们已经拿出了第六代产品 WeatherMesh 6，预测准确度甚至超过老牌气象预测机构欧洲中期天气预报中心。
通过一晚上的睡眠，AI 模型就能监控最多 130 种疾病。
UniPat AI 做了一件事：让 AI 去预测还没发生的事，比如下个月哪家公司市值最高、某国会不会对另一个国家加关税、某个政客会不会在社交媒体上发超过 100 条帖子
《Nature Medicine》 的研究报道“A multimodal sleep foundation model for disease prediction”，研究人员开发了一种名为 SleepFM 的基础模型，从超过58万小时的记录中“学会”了睡眠的语言。这不仅是睡眠科学的进步，更是AI在生物医学领域的深层突围。
在今年的 ACM KDD 2025 大会上，清华大学电子系团队联合中国移动发布了 UoMo，全球首个面向移动网络的通用流量预测模型。UoMo 能同时胜任短期预测、长期预测，甚至在没有历史数据的情况下生成全新区域的流量分布。
昨天，谷歌DeepMind与谷歌研究团队正式推出交互式气象平台Weather Lab，用于共享人工智能天气模型。在热带气旋路径预测方面，谷歌这次的新模型刷新SOTA，是首个在性能上明确超越主流物理模型的AI预测模型。
6月6日，麻省理工学院与Recursion共同宣布推出一款突破性的AI+药物研发模型Boltz-2，用于预测药物靶标 3D 结构，以及结合亲和力。
AI如何理解物理世界？视频联合嵌入预测架构V-JEPA带来新突破，无需硬编码核心知识，在自监督预训练中展现出对直观物理的理解，超越了基于像素的预测模型和多模态LLM。
时间序列数据，作为连续时间点的数据集合，广泛存在于医疗、金融、气象、交通、能源（电力、光伏等）等多个领域。有效的时间序列预测模型能够帮助我们理解数据的动态变化，预测未来趋势，从而做出更加精准的决策。
在时间序列预测领域，当前主流的扩散方法还是传统的基于噪声的方法，未能充分利用自回归技术实现时间序列建模。