标签
QuantFlow引入了一种基于联邦Mamba的时间序列预测基础模型，该模型结合了逆序嵌入、双向状态空间解码器和分位数回归，在保持数据隐私的同时在基准测试上取得了强劲结果。
本文提出了一种用于分位数回归的稀疏高斯过程框架，该框架采用拉普拉斯近似进行后验推断，并利用基于方差的机制实现自适应诱导输入放置和数据获取。
介绍了Q-SRDRN，一种使用分位数损失的多分位数超分辨率网络，用于改进极端降水降尺度，在保持整体精度的同时，显著提高了强降雨事件的检测率。
本文介绍了 RQIQN，这是一种基于分位数的分布强化学习鲁棒方法，利用 Wasserstein 几何正则化来防止分布退化，并提升在风险敏感任务中的性能。
亚马逊与斯坦福研究者提出分位词元回归，通过在 LLM 输入中插入专用分位词元来预测完整概率分布，在 Airbnb 与 Stack Overflow 基准上实现约 4 个百分点 MAPE 降低与 2 倍更窄区间。