近日,蚂蚁数科升级推出能源电力时序大模型EnergyTS 2.0,参数规模在1.0基础上从1B扩展至7B,可以应对更为复杂的能源预测任务。根据在Energy-EVA基准上的测试结果,EnergyTS 2.0在光伏发电功率预测、风力发电功率预测和用电负荷预测三项任务中的准确率表现优于多个现有主流时序大模型。
据悉,EnergyTS 2.0采用混合专家(MoE)架构,通过融合气象、地理、日历等多元协变量信息,能显著提升光伏发电、风力发电及用电负荷预测的精准度,破解新能源弃风弃电、投资收益波动等核心痛点。
为推动行业技术评估标准化和协同发展,蚂蚁数科同步开源了能源电力垂类评测基准Energy-EVA。该基准整合多个公开数据集,涵盖光伏发电、风力发电和用电负荷三大核心场景,包含超过1122万个时序数据点。
今年3月,蚂蚁数科EnergyTS能源电力时序大模型正式发布,基于该模型构建的智能体相继投入应用,覆盖新能源资产投资决策、电力交易辅助、能源系统运行优化、设备运维管理等场景,助力协鑫能科、霍普等企业最小化能源成本、最大化投资回报。
好文章,需要你的鼓励
北京法院就特斯拉"完全自动驾驶"(FSD)软件消费欺诈案举行首次听证,10名车主合计索赔逾395万元人民币。原告于2019至2021年间各付约5.6万元购买FSD套餐,指控特斯拉夸大功能、隐瞒硬件限制,且该系统未获中国监管批准。特斯拉随后将该功能更名为"特斯拉辅助驾驶",被视为对原名称误导性的默认。
韩国科学技术院提出OmniRetrieval框架,通过智能来源选择、原生查询生成和跨来源证据筛选,让一个系统统一检索文本库、数据库、知识图谱和属性图四类异构知识源。
微软发布开源框架ASSERT(自适应规范驱动的评估与回归测试工具),帮助开发者更便捷地测试AI系统在特定应用场景中的行为是否符合预期。开发者只需用自然语言描述AI模型的目标、策略或预期行为,ASSERT便会自动生成结构化测试用例并对结果评分,同时记录AI系统的执行路径,便于排查问题。该工具支持在开发、部署及持续监控阶段使用,填补了通用评估工具在应用场景定制化方面的不足。
上海人工智能实验室提出AgentDoG 1.5,仅用约1000条训练样本训练出0.8B至8B的轻量级AI代理安全审核模型,在多项基准测试上媲美GPT-5.4等顶级商业模型,同时支持安全训练和实时在线防护部署。