031 | 經典搜索核心算法：TF-IDF及其變種-AI技術內參-極客時間
Categories: 新聞
tf-idf – 維基百科，自由的百科全書
tf-idf – 维基百科，自由的百科全书
tf-idf（英語：term frequency–inverse document frequency）是一種用於資訊檢索與文本挖掘的常用加權技術。tf-idf是一種統計方法，用以評估一字詞對於一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現的次數成正比增加，但同時會隨著它在語料庫中出現的頻率成反比下降。tf-idf加權的各種形式常被搜索引擎應用，作為文件與用戶查詢之間相關程度的度量或評級。除了tf-idf以外，互聯網上的搜尋引擎還會使用基於連結分析的評級方法，以確定文件在搜尋結果中出現的順序。
Categories: 新聞
WhisperBot：實時語音轉文本系統
Mistral AI 發佈 Mistral Large，效果緊追GPT4
Categories: 新聞
全面的 Prompt Engineering 概述
Categories: 新聞
智能語言模型自我修正：self-RAG技術的簡介
Categories: 新聞
MobiLlama：0.5B 能在手機上運行的小型語言模型
TimesFM – 預訓練時間序列基礎模型
Google Research 發佈 TimesFM，這是一個基於 Transformer 的 200M 參數基礎模型，用於時間序列預測。 TimesFM 經過近 100B 個資料點的訓練，具有零樣本預測效能
這個 預訓練時間序列基礎模型（Time Series Foundation Model），可用於時間序列預測。它是一種基於 Transformer 的模型，在大量時間序列數據上進行了預訓練。TimesFM 可以用於各種時間序列預測任務，包括：
- 銷售預測
- 庫存管理
- 需求預測
- 異常檢測
- 設備故障預測
TimesFM 是由 Google Research 開發的預訓練時間序列基礎模型（Time Series Foundation Model），可用於時間序列預測。它是一種基於 Transformer 的模型，在大量時間序列數據上進行了預訓練。TimesFM 可以用於各種時間序列預測任務，包括：
- 銷售預測
- 庫存管理
- 需求預測
- 異常檢測
- 設備故障預測
TimesFM 的優點包括：
- **高準確性：**TimesFM 在許多基準測試中表現出最先進的準確性。
- **可解釋性：**TimesFM 可以提供其預測的解釋，這有助於用戶理解模型的決策。
- **可擴展性：**TimesFM 可以針對各種時間序列預測任務進行微調。
TimesFM 的工作原理是學習時間序列數據的表示。然後，它可以使用此表示來預測新數據點的值。TimesFM 使用的一種特殊技術稱為自注意力（self-attention）。自注意力允許模型學習序列中不同點之間的長期依賴關係。
TimesFM 已被用於各種應用，包括：
- **零售：**TimesFM 可用於預測零售產品的銷售額。這有助於零售商優化其庫存水平和促銷活動。
- **金融：**TimesFM 可用於預測股票價格和匯率。這有助於金融機構做出明智的投資決策。
- **製造業：**TimesFM 可用於預測機器故障。這有助於製造商防止停機和生產損失。
TimesFM 是一種強大的工具，可用於各種時間序列預測任務。它有可能在許多行業產生重大影響。
以下是一些關於 TimesFM 的其他資源：
Categories: 新聞
llmware – LLM的企業級開發框架
Categories: 工具