跳到正文
热点事件持续更新

研究提出时序因果推理架构TCR-Agent与TCR-Former

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Zhifeng Yang等研究者发表论文，提出时序因果推理智能体TCR-Agent和端到端模型TCR-Former，将文档布局重排序的思路迁移为因果拓扑，把时序因果推理从离散叙述转向因果拓扑结构。 在TempoCausal基准上，TCR-Former准确率比SOTA方法高16.5%，仅约8.6B参数即超过GPT-5.4和DeepSeek-V3.2。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00
从文档布局到因果拓扑：面向时序因果推理的端到端架构

报道时间线

沿着报道，了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    从文档布局到因果拓扑：面向时序因果推理的端到端架构

    研究提出时序因果推理智能体 TCR-Agent 与时序因果推理模型 TCR-Former 两种架构，将文档布局重排序思路迁移为因果拓扑。在 TempoCausal 基准上，TCR-Former 准确率比 SOTA 方法高 16.5%，仅约 8.6B 参数即超过 GPT-5.4 和 DeepSeek-V3.2。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。