发布核聚变托卡马克多模态生成基座模型 GenToka

研究者团队在 arXiv 发布论文（arXiv:2611.08153），提出面向多模态托卡马克任务的生成式基础模型 GenToka。该模型通过共享条件 diffusion Transformer 联合生成按 schema 选择的目标信号，并配有针对时间序列、剖面、场和标量的信号专用 codec。论文还扩展了 TokaMark 基准，新增执行器动作反演和破裂预测两组任务，形成覆盖六组共 20 个 MAST 任务、带明确 schema 和评估协议的基准。 论文报告称，相对 TokaMind，GenToka 在第 1–4 组任务上使宏平均归一化均方根误差降低 4.7%，第 5 组降低 17.7%；在第 6 组任务上，在统一验证集选定阈值下，宏平均窗口级 F1 提升 8.4%。这些数字来自论文自身报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。