这张图是“时间跨度谱（The Time Horizon Spectrum）”，核心是按“天数”为维度，划分不同交易/投资类型的参与方、策略特点，用来区分散户与专业参与者的行为差异：
以“天数”为衡量单位，覆盖从1天到1250天的时间范围。
沿时间轴从短到长，分为4类角色/阶段： - Trading（交易）：对应1-5天左右的短时间跨度 参与群体：零售短期交易者（Retail S/T Traders）、算法交易（Algo’s）。
L/S PM（多空投资组合经理）：对应5-20天左右的时间跨度 特点：是零售交易者的“波动与学...
TSLib 是由清华大学机器学习实验室（THUML）开源的面向深度学习研究者的时间序列分析工具库，核心聚焦于深度时间序列模型的评测与研发，是一个功能全面、易扩展的代码基准库。
提供整洁、统一的代码框架，支持长短期预测、缺失值插补、异常检测、分类五大主流时间序列任务，同时适配大型时间序列模型（LTSM）的零样本预测评估，既可以复现SOTA模型，也能快速开发自定义模型。
覆盖数十种主流/前沿时间序列模型，且持续更新： - 经典基础模型：Transformer、Informer、Auto...
该网页围绕Python的PyFlux库展开，核心聚焦其在时间序列分析领域的应用，具体内容总结如下：
PyFlux是一款专为时间序列分析设计的Python库，具备先进的时间序列处理方法和强大的推理能力，界面直观且功能稳健，是探索和建模复杂时间序列数据的常用工具。
2025年3月18日发布的GraphRAG相关网页，核心围绕“GraphRAG结合知识图谱（Knowledge Graph） 串联信息以获取更优答案”（口号：Connect the dots for better answers）展开，涵盖Concepts（关键概念及关联）、How-to Guides（数据准备到检索的目标导向指南）、Reference（图谱模型与检索器模式目录）、Appendices（研究论文与术语表） 四大核心板块，为用户提供GraphRAG的概念学习、实操指导、参考资源及基础支撑内容。
## 主题：GraphRA...该文档提出了一种名为GraphRAG的基于图的检索增强生成方法，核心是解决传统RAG在全局问题上的短板，实现对大规模文本语料的全局意义建构。
这篇文档是一份全面的大语言模型（LLM）微调指南，用通俗的话来说，核心就是教大家“怎么把现成的大模型（比如GPT、LLaMA）改成自己需要的样子”，从基础原理到实际操作都讲透了。
现成的大模型（比如GPT-3、LLaMA）已经学了海量通用知识，但面对具体场景（比如医疗问诊、金融分析）可能不够用。微调就像是“针对性补课”——用小范围的专属数据（比如医疗病历、金融报告），让大模型在不忘记原有知识的前提下，精准适配特定任务或领域，不用从零训练，省钱又高效。
文档里给了一个清晰的“七阶段流程”，一步步教你做： 1. 准备...
这篇论文核心是提出CoALA（语言智能体认知架构） 框架，为基于大语言模型（LLM）的语言智能体提供统一的设计与分类标准，同时结合认知科学和符号人工智能的历史经验，为通用语言智能体的发展指明方向。
7d- 量化与超短线策略
参考一个月的资金情况
30d-短线-持股周期-1月
市值 小于60或者100亿
统计预测准确率-页面展示过去30天，预测值与真实值的-两条价格曲线
7d- 量化与超短线策略
参考一个月的资金情况
30d-短线-持股周期-1月
市值 小于60或者100亿
统计预测准确率-页面展示过去30天，预测值与真实值的-两条价格曲线