Naga：吠陀启发的深度状态空间模型

2026年10月15日，arXiv Artificial Intelligence 刊出论文，研究者 Melanie Schaller、Nick Janssen、Bodo Rosenhahn 提出 Naga，一种受吠陀数学结构概念启发的深度状态空间模型（SSM）编码方法。据该论文，Naga 通过联合处理正向与时间反转输入序列构建双向表示，再以逐元素（Hadamard）交互融合。在 ETTh1、ETTh2、ETTm1、ETTm2、Weather、Traffic 和 ILI 等长期时间序列预测基准上，论文称 Naga 优于 28 个当前 SOTA 模型，且效率优于现有深度 SSM 方法。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。