交通预测的样本影响力要穿过守恒约束：经典影响力函数排出的关键传感器会变，去掉前十名站点误差涨四成以上
交通流预测模型若在输出端强制满足路口流量守恒，训练样本对预测的影响就不再只经由损失函数传递，而要经过约束投影。此前的影响力函数按无约束学习推导，无法区分哪些扰动被物理约束保留、哪些被投影消掉。该工作把影响力计算放进可行域，在PeMS第3区318条高速路段的小时数据上给出站点敏感度排序，并显示按此排序去掉前十名站点后，物理约束模型的MAE上升44.2%。
核工程全生命周期AI综述：从单点演示到可信决策支持，需评估完整工作流而非仅预测模型
这篇综述系统梳理了人工智能在核工程全生命周期中的应用证据，涵盖核数据集与计算基础设施、代理模型与物理信息建模、数字孪生、监测与预测、优化与控制以及可信AI，指出学习类方法可加速高保真计算、从多元测量中提取信息并支持反应堆运行、维护、废物管理与环境评估中的决策，同时揭示异常工况数据稀缺、仿真与物理系统差异、泛化不确定以及下游决策评估不完整等反复出现的局限，并主张进展取决于评估完整的AI赋能工作流而非仅预测模型。
已读完全部报道