Sera电池健康预测框架论文发布

研究者发布论文，提出名为 Sera 的语义表示聚合框架，用于电池健康预测。该框架用时序建模结合退化语义，通过规则知识与大语言模型解读构建两种互补表示，并以门控聚合与时序模型表示融合。 据论文，在主流基准的多预测跨度实验中，Sera 相比时序基线最高降低 37.3% 预测误差，并提升泛化性；反事实分析显示预测响应与关键退化描述符含义一致，作者称这支持可解释的电池健康预测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。