研究团队提出基于自回归Transformer的级联极端事件生成模型

2026年11月5日，研究人员在 arXiv 上公布了一项基于自回归 Transformer 的生成式建模方法，用于模拟与预测连续发生的级联极端事件。该方法通过极值 token 表示将多元观测数据编码为类别序列，并由 decoder-only 架构的 Transformer 学习序列分布，进而通过递归采样生成未来序列。在针对 5 支半导体股票 10 秒收益率的测试实验中，该模型支持 zero-shot 迁移；微调数个 epoch 后，即可显著改善事件频率与转移模式的建模效果。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。