11:50
官方账号arXiv cs.AI@Dheeraj Poolavaram, Aanchal Rajesh Chugh, Sebastian Dorn
推荐理由：三维装箱难题，OPAL 不只会选位置，还用操作引导生成候选加学习排序，BED-BPP 空间利用率 0.49，候选生成贡献 15.1%。
xLSTM
共 3 条相关 AI 资讯
7月31日
11:50
论文提出 OPAL，一个针对工业在线三维装箱问题的操作引导放置感知学习框架。OPAL 将 OG-EMS 候选生成器、基于 xLSTM 的放置编码器与 PPO 训练的掩码排序策略相结合，对候选位置进行综合排序。在 BED-BPP 基准上，OPAL 的平均空间利用率达到 0.49，其中操作引导候选生成贡献 15.1% 的提升，学习排序贡献 6.3%。该方法同时关注空间利用率、稳定性、紧凑性和平衡性，面向实际工业码垛场景。
7月2日
12:30
12:30
官方账号arXiv cs.LG@Patrick Podest, Marco Pichler, Elias Bürger, Levente Zólyomi, Bernhard Voggenberger, Wilhelm Berghammer, Daniel Klotz, Sebastian Böck, Günter Klambauer, Sepp Hochreiter
推荐理由：TiRex-2是首个同时支持多变量流式预测和已知未来协变量的时间序列基础模型，零样本刷新GIFT-Eval和fev-bench榜单，每步计算量不变。做在线时序预测的朋友可以看看。
6月11日
12:00
12:00
官方账号arXiv cs.LG@Anamaria-Roberta Hartl, Levente Zólyomi, David Stap, Pieter-Jan Hoedt, Niklas Schmidinger, Lukas Hauzenberger, Sebastian Böck, Günter Klambauer, Sepp Hochreiter
精选
推荐理由：做序列建模或基础模型预训练的团队，这篇论文帮你厘清了 xLSTM 相比 Mamba 等架构的实际优势，看完可以直接指导模型选型。