TailDART金融时序基础模型论文发布
热点事件持续更新
TailDART金融时序基础模型论文发布
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年11月9日，Chiang Qin Zhi等作者在arXiv人工智能板块提交论文，发布面向金融时间序列预测的轻量基础模型TailDART。据论文介绍，该模型为仅268万参数的稠密基础模型，通过将分组查询注意力（GQA）引入轻量骨干网络，降低Key-Value缓存的内存带宽开销，推理速度较主流SOTA时间序列基础模型最高提升48.1%。论文称，在多资产、多时间分辨率基准上，该紧凑模型的预测精度可匹敌显著更大的基线模型，并在高波动行情下表现出更强的误差鲁棒性。上述性能数据均出自论文自述，尚待独立验证。截至本版，事件仍处论文发布阶段，暂无后续跟进报道。
AI 根据报道生成 · 12 小时前更新
最新进展11月9日 13:00
TailDART：面向金融时间序列预测的轻量高效基础模型报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv Artificial IntelligenceTailDART：面向金融时间序列预测的轻量高效基础模型
TailDART 是一个仅 268 万参数的稠密基础模型，专为金融时间序列预测设计，通过将分组查询注意力（GQA）引入轻量骨干网络，大幅降低 Key-Value 缓存内存带宽开销，推理速度较主流 SOTA 时间序列基础模型最高提升 48.1%。多资产、多时间分辨率基准显示，该紧凑模型预测精度可匹敌显著更大的基线模型，并在高波动行情下表现出更强的误差鲁棒性。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月10日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。