PALM 提出物理锚定潜时间尺度 Mamba 改进表征稳定性

2026 年 11 月 4 日，arXiv cs.AI 频道发布新一手报道，正式提出名为 PALM 的物理锚定隐式时间尺度 Mamba 模型。该模型旨在解决传统 Mamba 架构中记忆时间尺度错位问题，核心创新在于将状态矩阵与步长直接锚定于物理单位，实现参数解耦。 在 fMRI 数据处理实验中，PALM 在上下文截断且采用 run 级谱校准条件下，使潜时间尺度保持在物理单位，其表征相似度比 Mamba2 高 11%。这表明在分布漂移场景下，该模型能更稳定地保留神经活动特征。 在气象预测任务中，PALM 在未训练过的地理隔离气象站测试中，对所有变量和预测时长的误差均为最低，平均比最佳基线低 15.2%。此结果验证了该模型在未见数据上的泛化能力与物理一致性优势。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。