航空发动机用上大模型：解决复杂时序问题，性能超越ChatGPT-4o实现SOTA｜上交创智复旦

上海交大等联合提出ITFormer架构及EngineMT-QA数据集，首次将工业时序数据分析转化为问答任务，实现与大语言模型高效融合。该模型仅需微调1%参数，便在多项任务中达SOTA，因果分析准确率高达0.83，并具备良好迁移能力与推理效率，为时序AI提供新范式。
来源：https://mp.weixin.qq.com/s/DzOOT8ojdd2zTeS3IpYcug