OutageDiT：停电预测与场景生成基础模型论文发布
热点事件持续更新
OutageDiT：停电预测与场景生成基础模型论文发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yunqin Zhu 等研究者发布论文，提出停电预测基础模型 OutageDiT。该模型基于全美停电与天气记录训练，能以 15 分钟分辨率生成七天停电轨迹，在单一深度生成模型中同时实现点预测、不确定性量化和条件场景生成。 论文称，OutageDiT 用条件编码器处理历史与未来协变量，浅层 flow-matching 解码器采样完整轨迹，在停电预测基准上预测精度和场景质量优于强基线，并支持对留出区域的零样本迁移。该论文已被 NeurIPS 2026 第二届 MLxOR 研讨会接收。
AI 根据报道生成 · 51 分钟前更新
最新进展10月31日 12:00
OutageDiT：面向停电预测与场景生成的基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIOutageDiT：面向停电预测与场景生成的基础模型
研究者推出 OutageDiT，一个基于全美停电与天气记录训练的基础模型，能以 15 分钟分辨率生成七天停电轨迹。该模型用条件编码器处理历史与未来协变量，浅层 flow-matching 解码器采样完整轨迹，在单一深度生成模型中实现点预测、不确定性量化和条件场景生成。在停电预测基准上，OutageDiT 的预测精度和场景质量优于强基线，并支持对留出区域的零样本迁移。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。