论文比较多粒度零售预测模型表现
热点事件观察中
论文比较多粒度零售预测模型表现
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Karthik Iyer 和 Madan Dabbeeru 发布论文，在四个公开零售数据集（M5、六个 Dominick's 品类、Breakfast at the Frat 和 Corporación Favorita）上，按不同粒度比较世界模型、去除状态的同一网络、LightGBM、Temporal Fusion Transformer、TimesFM、Chronos-Bolt、Timestral、季节性朴素模型及其集成的预测表现。比较采用滚动预测起点、配对检验和模型置信集，其中 Corporación Favorita 数据集在全部开发过程中被保留（held out）。 作者说明结论仅适用于这些数据集；跨四方面（four Ps）求解的预测或零售商自有数据可能得到不同结果。
AI 根据报道生成 · 11 小时前更新
最新进展10月20日 12:00
世界模型与基础模型用于零售预测：四个公开数据集的比较证据报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AI世界模型与基础模型用于零售预测：四个公开数据集的比较证据
研究者比较了世界模型、去除状态的同一网络、LightGBM、Temporal Fusion Transformer、TimesFM、Chronos-Bolt、Timestral、季节性朴素模型及其集成在四个公开零售数据集上的预测表现。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
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。