TimesFM 3.0 用于大学建筑日前电力预测
原文标题：Machine Learning and Time-Series Foundation Models for Day-Ahead Electricity Forecasting in a University Building
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文对统计、机器学习、循环神经网络与预训练 TimesFM 模型在大学建筑日前电力预测任务上进行基准测试。TimesFM 3.0 结合协变量取得最低误差，平均绝对误差较周季节朴素预测降低约 43%，且无需建筑专属权重训练。XGBoost 仍具竞争力，可快速本地拟合与推理。
- 问题
- 大学建筑日前电力预测中，如何在精度、预测时输入与本地训练成本之间选模型。
- 方法
- 在统一 57 个测试日上基准测试统计、机器学习、RNN 与预训练 TimesFM 模型，比较工作日/周末/节假日精度及拟合与推理耗时。
- 结果
- TimesFM 3.0 结合协变量误差最低，MAE 较周季节朴素预测降低约 43%；XGBoost 仍有竞争力，LSTM 拟合更慢且未更优。
- 影响
- 建筑能耗调度可直接用预训练 TimesFM 免去建筑专属训练，XGBoost 则适合需要快速本地拟合与推理的场景。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。