AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：因果推理×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月4日
21:46
5月18日
08:09
08:09berryxia@berryxia
78°
Google最新论文Nexus颠覆了传统时间序列预测方法，不再仅依赖历史数据，而是引入“事件上下文”进行因果推理。论文提出多agent框架：一个agent从文本提取事件时间线，一个分析宏观趋势，一个监控局部冲击，最后由合成器校准历史误差并给出预测。在Zillow数据集上，Claude驱动的Nexus版本将平均MAPE降低了86.6%。这标志着预测从“模式识别”转向“因果理解”，是方法论上的重大突破。
论文时间序列预测多agent框架因果推理GoogleClaude
推荐理由：做时间序列预测的团队终于有了新思路——不再死磕历史曲线，而是用多agent理解政策、突发事件等因果因素，效果直接降维打击。搞量化、供应链或金融预测的开发者建议点开，看看怎么把文本推理融入预测流程。
原文
5月17日
23:39
23:39rohanpaul_ai@rohanpaul_ai
精选72°
Google 发布新论文 Nexus，提出将时间序列预测重构为推理问题，通过多智能体框架引入事件上下文。在 Zillow 房价测试中，基于 Claude 的版本相比直接思维链提示，平均绝对百分比误差（MAPE）降低 86.6%。Nexus 将任务分解为多个智能体：一个将混乱历史文本转为事件时间线，一个读取宏观环境，一个追踪局部冲击，最后由合成器结合历史误差校准。论文认为，大多数时间序列模型擅长模式但忽视因果，而 Nexus 通过结构化上下文让语言模型更好地利用事件信息。目前证据限于 Zillow 数据和七支股票，但方向明确：未来预测不仅要外推曲线，还要解释曲线变动的原因。
论文时间序列预测多智能体框架因果推理GoogleClaude
推荐理由：Nexus 把时间序列预测从纯数字游戏变成因果推理，做金融、房地产或供应链预测的团队值得关注——它用事件上下文把误差砍掉 86%，思路可以直接借鉴。
原文
13:22
13:22Gary Marcus@GaryMarcus
精选
Gary Marcus 等学者在皇家学会《哲学汇刊 A》组织了一期关于“世界模型”的特刊，集结了 Michael Levin、David Ha、Melanie Mitchell、Joshua Tenenbaum 等顶尖研究者。特刊聚焦于当前 LLM 的局限，探讨如何通过构建世界模型实现更接近自然智能的 AI，包括因果推理、系统 2 认知和意识等核心问题。文章指出，世界模型可能是让 AI 具备可靠推理和泛化能力的关键，甚至关系到 AI 安全的未来。这一特刊标志着学界开始认真面对“超越 LLM”的硬问题。
论文世界模型AGI自然智能因果推理系统2认知
推荐理由：世界模型是 AI 从“鹦鹉”走向“真正理解”的关键一步，做 AI 研究或关注 AGI 路径的人，这篇特刊的阵容和问题清单值得细读。
原文