本文介绍了一种基于物理知识的深度学习模型，用于水力状态估计，结合图卷积神经网络和消息传递算法，模拟水力模拟器EPANET。研究提供了多个公开水配网数据集，支持模型训练与评估。该算法通过分析压力数据，在泄漏检测中表现出色，显著提高了识别能力，并探讨了深度学习在水资源管理中的应用及未来发展方向。

该文研究水配送网络的泄漏检测与概念漂移问题：利用压力测量和贝叶斯网络建模定位泄漏，探讨信息有限条件下基于模型解释概念漂移的可行性；综述概念漂移的检测、定位与适应方法，提出统一的分类与学习框架，并评估多种检测器性能，为水系统泄漏监测和数据流漂移研究提供参考。

Skywork-13B是一个基于3.2万亿标记训练的大型语言模型系列，采用两阶段训练方法，表现出色，并发布了SkyPile语料库。同时，提出了一种新颖的泄漏检测方法，证明测试数据污染是一个迫切需要LLM社区进一步研究的问题。