热点事件持续更新

SSU-LSF：面向Mamba SSM的机器遗忘框架

1 篇报道1 个报道来源21 小时前更新

先了解这件事

AI 综述

2026年10月5日，arXiv Machine Learning Theory（一手来源）发表论文，提出SSU-LSF（State-Space Unlearning for Land Surface Forecasting，状态空间遗忘框架）。该框架据称为首个面向地球科学Mamba型状态空间模型（SSM）的机器遗忘框架，目标是消除由灌溉激增、坝调度变化、传感器重校准等非平稳混淆因素造成的长期偏差，涉及NDVI、LST与作物物候预测任务。目前公开信息仅包含该论文摘要层面的方法介绍，尚无实验细节、代码发布或第三方验证的后续报道。

AI 根据报道生成 · 20 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv · Machine Learning Theory
SSU-LSF：面向地表预测中非平稳偏差的 state-space 机器遗忘框架
论文提出 SSU-LSF（State-Space Unlearning for Land Surface Forecasting），首个面向地球科学 Mamba 型 SSM 的机器遗忘框架，用于消除灌溉激增、坝调度变化、传感器重校准等非平稳混淆对 NDVI、LST 与作物物候预测的长期偏差。

本事件热度走势

当前热度 6·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。