★ 3
EXAONE Demand 1.0:面向需求预测的时间序列基础模型
LG 的 EXAONE 团队提出需求预测专用时间序列基础模型 EXAONE Demand,针对需求数据短历史、频繁零值、缺货截断和未记录外生事件等特性,构建了含 1130 万序列、484 亿观测的专用语料与合成生成器。模型在冻结的通用骨干上为四类需求(平滑、间歇、波动、块状)附加低秩分支,并用路由…
arXiv cs.AI35 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
LG 的 EXAONE 团队提出需求预测专用时间序列基础模型 EXAONE Demand,针对需求数据短历史、频繁零值、缺货截断和未记录外生事件等特性,构建了含 1130 万序列、484 亿观测的专用语料与合成生成器。模型在冻结的通用骨干上为四类需求(平滑、间歇、波动、块状)附加低秩分支,并用路由…
论文提出一套数据接入流水线,在模型训练前检测并修复电表数据缺陷,并用受控实验评估其对 24 小时前瞻预测的保护效果。实验显示修复后误差回到干净数据水平,同时保留 93% 训练目标,并公开了一个过度清洗导致预测变差的修正负结果。
eSwap Global 创始人 Karen Nikoghosyan 正将公司从多渠道库存管理工具升级为 AI 驱动的电商操作层。2024 年底 eSwap 推出包含需求预测、动态定价与预测性补货的 AI 套件,目标是让智能体自主完成库存、定价与履约决策,卖家仅需监督。