2 亿参数零样本预测未来，Mistral Timestral-209M 单次前向输出 21 档概率；OpenAI Math 用 Lean 为智能体打造可验证的数学证明任务

从天气变化、交通流量，到商品销量、能源消耗，现实世界中有大量信息都以时间序列的形式存在。它们记录着事物随时间发生的变化，也隐藏着未来趋势的线索。Mistral 推出的 Timestral-209M，正是一个专门面向时间序列预测的基础模型。它能够处理单变量与多变量时间序列，支持最长 32,768 个时间步的历史上下文，并在一次前向传播中预测最多 1,024 个未来时间步。更重要的是，它具备零样本预测（Zero-shot Forecasting）能力：不需要针对每个具体预测任务重新训练，就能直接利用已有模型对新的时间序列进行推断。

Timestral-209M 采用基于 Patch 的 Transformer 设计，通过时间注意力（Time Attention）和变量注意力（Variate Attention）分别建模时间维度上的变化规律，以及不同变量之间的关联。在预测结果上，Timestral-209M 也不只给出一条代表未来走势的曲线。它能够同时输出 21 个不同分位数，提供概率预测结果，让使用者看到预测值可能分布的范围，而不只是一个看似确定的数字。这对于需求预测、资源规划等需要考虑不确定性的场景尤其有意义。

HyperAI 教程板块已上线「Timestral-209M：零样本时序预测基础模型」，快来试试吧~

在线使用：https://go.hyper.ai/lTEZr

11 月 9 日- 11 月 13 日，hyper.ai 官网更新速览：

* 优质公共数据集：5 个

* 优质教程精选：17 个

* 热门百科词条：5 条

* 11 月截稿顶会：3 个

访问官网：hyper.ai

1. MiMo-V2.6 强化学习环境数据集

MiMo-V2.6 是由 Xiaomi MiMo 发布的面向 LLM 智能体强化训练的环境数据集，覆盖 Code、Cyber、General、Visual、Music 五个领域，分别对应软件工程、漏洞复现、知识工作、Web 开发和符号音乐创作等任务族，提供 Docker 镜像形式的训练环境并配合 verl 训练代码使用。

在线运行：https://go.hyper.ai/5SPSU

2. OpenAI Math 数学定理证明数据集

OpenAI Math 数学定理证明数据集由 FineEnvs 于 2026 年发布，将 OpenAI 数学结果整理为 Lean 形式化定理证明环境的数学定理证明数据集，包含 369 个通过端到端验证的 Harbor 任务环境，覆盖 214 个结果家族和 17 个数学领域，为智能体提供可严格验证的形式化定理证明任务。

在线运行：https://go.hyper.ai/nPZkf

3. Typed Decisions 类型化概率决策基准数据集

该数据集由 LocalLLaMA 发布的类型化概率决策基准数据集，旨在评测模型根据非结构化状态信息同时回答多个类型化问题、并输出概率分布的能力。数据集围绕智能体运行监控、客户服务、账单处理、安全事件响应四类场景构建，共 1,600 条合成案例，采用 noul、choice、score 三种决策类型，并提供金标准概率分布。

在线运行：https://go.hyper.ai/fjJ9N

4. Gemma-4-Tfd-Agentic-Trajectories 智能体轨迹数据集

Gemma-4-Tfd-Agentic-Trajectories 是面向智能体软件工程任务的执行轨迹与基准评测数据集，围绕 Google Gemma 4 模型构建，基于 SWE-bench Lite 改编任务，包含 50 个软件工程问题，提供多轮智能体执行轨迹、工具调用记录、自动化测试验证结果，以及标准 ReAct 与测试反馈驱动（TFD-Agent）等不同策略的基准评测数据。

在线运行：https://go.hyper.ai/VjxsI

5. Fable-5.1-Max-Reasoning-Filtered-10000x 编码推理轨迹数据集

该数据集是面向智能体编码与推理的多轮高质量轨迹数据集，收录 Fable 5.1 模型在最大推理强度下生成的代码推理过程，包含 10,000 条多轮轨迹、总 Token 约 5 亿，覆盖算法设计、代码实现、复杂调试与多步逻辑推理等场景，可用于模型蒸馏与能力提升。

在线运行：https://go.hyper.ai/BCU6F

1. 初学者的基本统计知识

本教程面向零基础读者，讲解机器学习所需的基础统计与数学知识，属于入门级别。

在线运行：https://go.hyper.ai/YOK0z

2. 房价预测方法入门教程

本教程基于 Kaggle 经典竞赛 House Prices – Advanced Regression Techniques，演示用真实房产数据做房价预测，覆盖数据探索与可视化、缺失值处理与类别编码、线性回归与岭回归等建模方法，并搭建 WebUI 交互式预测，无需 GPU。

在线运行：https://go.hyper.ai/awBoo

3. 基于 CNN 的图像上色基础实现

本教程源自 Victor Basu 于 2020 年发布的图像上色入门教程，在 LAB 颜色空间把上色问题分解为预测 ab 通道的回归任务，用编码器-解码器结构的 CNN 自编码器加跳跃连接从零训练，适合理解图像上色原理与自编码器结构。

在线运行：https://go.hyper.ai/l3q6p

4.文本表示：从词袋模型到词嵌入的文本表示方法

本教程源自 Kaggle Notebook（作者 Ankit Gupta），系统讲解 One-Hot、词袋、N-gram、TF-IDF 与 Word2Vec、GloVe、FastText 等文本表示方法，并用 t-SNE 可视化词嵌入的语义空间。

在线运行：https://go.hyper.ai/F0cH7

运行示例

5.MiniCPM-V 4.7：多模态 VLM

本教程演示 OpenBMB 于 2026 年 10 月发布的多模态视觉语言模型 MiniCPM-V 4.7（35B-A3B MoE），支持单图、多图与视频理解、OCR 与文档解析，覆盖 GGUF 量化模型加载、真实图片推理与本地 WebUI 交互。

在线运行：https://go.hyper.ai/J3CeK

运行示例

6. 交互式降维入门：PCA、LDA 与 T-sne

本教程基于 Kaggle Notebook（作者 Arthur Tok），系统介绍 PCA、LDA、t-SNE 三种降维方法，用 MNIST（784 维特征）从零实现 PCA，并用 scikit-learn 对比三种方法的聚类效果。

在线运行：https://go.hyper.ai/gW6Kn

7. Pytorch 入门-FasterRCNN 训练

本教程基于 Kaggle 用户 pestipeti 的 Notebook，用 PyTorch 与 torchvision 训练 Faster R-CNN 检测麦穗：ResNet50-FPN 骨干加载 COCO 预训练权重做迁移学习，替换为「背景 + 麦穗」二分类预测头，适合目标检测入门与农业遥感。

在线运行：https://go.hyper.ai/AnnGI

8.Timestral-209M：零样本时序预测基础模型

本教程基于 Mistral AI 于 2026 年 10 月发布的时序预测基础模型 Timestral-209M，演示零样本时序预测并可视化置信区间；模型采用 patch 化 Transformer 架构（约 2.09 亿参数），输出 21 个分位数的概率预测。

在线运行：https://go.hyper.ai/lTEZr

运行示例

9.用 PyTorch 训练 BERT 抽取推文情感关键短语

本教程基于 PyTorch 与经典的 BERT Base Uncased 模型，演示如何从推文中抽取支撑其情感标签的关键短语，是 NLP 抽取式问答与情感分析方向的入门实战。

在线运行：https://go.hyper.ai/F5oxY

10.Unlimited-OCR：一键部署长文档 OCR 与版面解析

本教程提供长文档 OCR 与版面解析的一键部署方案，在较长上下文中依然保持稳定的解析效率，适合论文、合同、报告等长篇文档的文字识别与结构化版面分析场景。

在线运行：https://go.hyper.ai/mYUwG

运行示例

11. Flint：面向 Coding Agent 的混合专家大语言模型

本教程演示 Recursive 于 2026 年 10 月发布的面向 Coding Agent 的混合专家大语言模型，总参 39.8B、每 token 激活约 2.5B，面向代码库排查、修 bug、实现功能与写测试，支持多轮工具调用，官方评测 Terminal-Bench 2.1 得分 54.9%。

在线运行：https://go.hyper.ai/oprHJ

运行示例

12. Flower Recognition CNN：基于卷积神经网络的花卉识别

本教程基于 Keras 从零搭建卷积神经网络，完成 5 类花卉图像分类任务，涵盖数据预处理、CNN 结构设计、训练与结果可视化等环节，是深度学习图像分类的经典入门项目。

在线运行：https://go.hyper.ai/C5BIT

13. CLM-v0.1-8B：面向决策的 System One 排序与验证模型

本教程演示 Contrastive-LM 团队于 2026 年 9 月发布的对比语言模型 CLM-v0.1-8B，面向 System One 快速决策：不逐字生成文本，而是给候选答案打分排序，由冻结的 Qwen3-8B 编码器加两个投影头组成，用于重排序、验证器与 Agent 工具路由。

在线运行：https://go.hyper.ai/EPQ2u

运行示例

14. MiniCPM-V 4.7：多模态视觉语言大模型（35B-A3B MoE）

本教程演示 OpenBMB 于 2026 年 10 月发布的多模态视觉语言模型，35B-A3B 变体是该系列首个 MoE 模型，支持单图、多图与视频理解、OCR 与文档解析，通过 LES（前瞻专家调度）实现无损端侧推理。

在线运行：https://go.hyper.ai/OZ600

15. Fish Audio Drama 3：面向多角色场景与长文本的多人语音合成模型

本教程演示 Fish Audio 于 2026 年 10 月发布的新一代文本转语音模型，35B 参数 MoE（每 token 激活 3B），一条文本最多承载 16 个角色，支持多人对话生成、声音克隆与自然语言控制，适合有声书、广播剧等场景。

在线运行：https://go.hyper.ai/l3q6p

运行示例

16. Granite Speech 5.0 TurboCTC：470M 参数英语语音识别模型

本教程演示 IBM 于 2026 年 8 月发布的 470M 参数英语语音识别模型，采用纯编码器 Conformer 架构与 CTC 非自回归解码，体积小到可部署在边缘设备，适合高速语音转写。

在线运行：https://go.hyper.ai/vFoEV

17. NVIDIA-Nemotron-3.5-Transcribe-30B-A4B：指令控制的语音识别、翻译与音频问答

本教程演示 NVIDIA 于 2026 年 10 月发布的开源语音与音频模型，采用 Mamba-2 与 Transformer 混合的 MoE 架构（34B 总参、约 4.3B 激活），支持 40 种语言、最长 1 小时录音的转写、翻译与音频问答。

在线运行：https://go.hyper.ai/AR0C1

运行示例

1. 世界动作模型 WAM

2. 鲁棒性/稳健性 Robustness

3. 生成型预训练变换模型 GPT

4. 视频生成 Video Generation

5. 嵌入模型 Embedding Models

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

* 截稿时间为 AoE 时间

一站式追踪人工智能学术顶会：https://go.hyper.ai/event