待验证50% 置信事实精确时间
时间序列模型选择范围包括ARIMA、Prophet、LightGBM以及基于Transformer的深度学习架构
1
来源数
50%
置信度
长期有效
时效性
2026/8/28
首次发现
来源
涉及实体
相关事实
待验证现代时序基础模型通常采用改进的Transformer架构，通过分离的注意力机制或通道混合模块分别建模时间维度和变量维度依赖73% 相似待验证大模型（LLM）是基于Transformer架构、经过海量数据预训练的深度神经网络模型66% 相似待验证LLM 是基于 Transformer 架构、在海量文本数据上预训练的生成式 AI 模型，代表产品包括 OpenAI 的 GPT、Anthropic 的 Claude 和 Meta 的 LLaMA65% 相似待验证Transformer架构以牺牲原生序列记忆换取并行训练能力，而RNN/LSTM通过隐向量在时间步之间传递状态天然具备序列记忆能力65% 相似待验证Qlib内置了多种机器学习模型（如LightGBM、LSTM、Transformer等）用于股票预测，并支持自定义因子和策略开发64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/813019API
curl https://kongchang.com/api/v1/knowledge/claims/813019MCP
get_claim(id=813019)