解决推理能力瓶颈，用因果推理提升LLM智能决策
从ChatGPT到AI智能体，标志着AI从对话走向自主执行复杂任务的能力跃迁。AI智能体可完成销售、旅行规划、外卖点餐等多场景任务，但其发展受限于大语言模型（LLM）的推理能力。LLM依赖统计相关性，缺乏对因果关系的理解，导致在非确定性任务中表现不佳。结合因果推理与内省机制，有望突破当前AI智能体的推理瓶颈，提升其决策准确性与自主性。
DeepSeek × 时间序列 ：DeepSeek-TS，基于状态空间增强MLA与GRPO的时序预测新框架
DeepSeek-TS 是一种创新的多产品时间序列预测框架，结合了 DeepSeek 中高效的多头潜在注意力（MLA）和群组相对策略优化（GRPO）技术。该框架通过扩展 MLA 提出 MLA-Mamba，允许潜在特征通过非线性激活的状态空间模型动态演变，提供自适应记忆以适应趋势变化。同时，通过 GRPO 引入智能决策过程，持续改进预测，有效响应销售模式的突变。实验结果显示，DeepSeek-TS 在建模复杂的产品间关系和适应非线性动态方面表现出色，显著优于经典的 ARMA 模型和标准的基于 GRU 的网络。
