BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

基准测试时间序列预测模型：从统计技术到实际应用中的基础模型

💡 原文中文，约700字，阅读约需2分钟。
📝

内容提要

本研究探讨了酒店业中时间序列预测的挑战，评估了统计、机器学习和深度学习模型在14天内小时销售额预测中的表现。结果表明，机器学习模型表现优异，基础模型如Chronos和TimesFM在特征工程要求低的情况下也具竞争力，并可通过预训练模型实现零次推断。混合的PySpark-Pandas方法为大规模部署提供了有效解决方案。

🏷️

标签

PySpark-Pandas 基准测试 时间序列预测 机器学习 统计 酒店业 销售额预测
➡️

继续阅读

  1. 2026-09-06-前端与AI技术周报
    2026年9月首周前端与AI技术动态：OpenAI发布GPT-6 Astra并集成至ChatGPT及API；Cursor支持自托管机器；Electron ...
  2. 大模型不只是预测下一个词：RLVR让它自己跟自己下棋
    大模型不再仅依赖预测下一个词，通过RLVR强化学习，它能自主探索解题路径，从模仿者转变为探索者。预训练如同背诵课文，而RLVR则类似自我解题，借助可验证奖...
  3. Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
    本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
  4. Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
    本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
  5. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  6. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
👤 个人中心
在公众号发送验证码完成验证