0.875
AUC PhysioNet
Modelos · Pré-visualização de investigação
O tempo é uma entrada,
não uma suposição.
Modelo em tempo contínuo para sinais irregulares — pequeno, rápido e consciente do tempo.
≈5×
Mais pequeno
8.2×
Kernel mais rápido
Categoria
Tempo contínuo · geração 1
Lê
Sinais irregulares com registo temporal
Ideal para
Clínico, sensores, streaming e edge
Fase
Pré-visualização de investigação · validado por gates
O que é o RL-L1
Um modelo que trata o tempo como uma entrada de primeira classe
A maioria dos modelos de sequências assume que um passo equivale a um instante. Os sinais do mundo real — sinais vitais, sensores, eventos de mercado, telemetria — não chegam num relógio. O RL-L1 é um modelo em tempo contínuo: o tempo faz parte da entrada, não é um elemento secundário, pelo que o modelo funciona corretamente com lacunas irregulares, amostras em falta e streams em tempo real. O como é nosso — o que mostramos aqui é o comportamento e os números.
Porque é diferente
Três escolhas estruturais
O RL-L1 não é um transformer nem uma rede ODE pontual. Faz três apostas deliberadas que se revelam nas mesmas em dados reais e irregulares.
L1
O tempo está na matemática
O modelo evolui em tempo contínuo, pelo que o intervalo entre duas observações altera o cálculo. Anular o sinal temporal faz colapsar a precisão — prova de que o sinal temporal está a fazer o trabalho.
L2
Pequeno e estável
Um estado compacto e bem comportado produz resultados fortes com contagens de parâmetros reduzidas, com dinâmicas limitadas e previsíveis. Os internos são nossos; a estabilidade é medida.
L3
Construído para o edge
Desenhado para correr rápido e de forma compacta em hardware real, e co-concebido com a nossa linha de silício dissipativo para que o modelo e o substrato convirjam na mesma física.
Medido, não afirmado
Os números, incluindo onde perdemos
RL-L1 wins on irregular, small-to-medium-scale signals and on the edge. It does not win at frontier scale or at language — the table says so on purpose.
Referência RL-L1 Linha de base Nota
Mortalidade PhysioNet 2012 0.875 AUC 0.874 (GRU-D) Ensemble de 18 sementes · IC [0.868, 0.883]
Evocação associativa temporizada 0.004 MSE 0.68 MSE vs ODE pontual; 9.61 sem consciência temporal
Mackey-Glass (≤50k parâmetros) 0.052 MSE 0.094 MSE 1.2–1.8× melhor, regime de modelos pequenos
Mackey-Glass (≥214k parâmetros) 0.087 MSE 0.046 MSE o transformer vence à escala
Pegada edge (int8) 24 KB · 0.40 ms 65 KB · 0.44 ms mais rápido e 2.7× mais pequeno
PhysioNet 2012 · set-a → held-out set-b · leakage-safe · multi-seed
Onde vence
- Séries temporais irregulares e em streaming — o tempo carrega o sinal.
- Inferência edge com restrições de energia e memória.
- Adaptação online sem retreino completo.
Onde não vence
- Linguagem à escala de fronteira — os transformers vencem, e dizemo-lo.
- Regimes de grande número de parâmetros onde a vantagem de eficiência desaparece.
Medido
Mais pequeno e consciente do tempo
0.875
AUC no PhysioNet 2012
Mortalidade hospitalar a partir de sinais vitais irregulares de UCI — ensemble de 18 sementes, IC 95% [0.868, 0.883].
≈ 5×
Menos parâmetros do que a linha de base
O resultado clínico é atingido a uma fração do número de parâmetros do Transformer de linha de base.
8.2×
Kernel de execução mais rápido
Avaliação de campo paralela vs o ciclo de referência (0.23 ms vs 1.90 ms), com paridade numérica exata.
Estado
Uma referência validada por gates
- Gates
Dez gates falsificáveis superados
A vantagem do tempo contínuo, estabilidade, ligação, retenção vitalícia e co-concepção com o substrato têm cada um um teste de aprovação/reprovação. Passam — e onde o modelo deve perder, perde honestamente.
- Clínico
Validado em dados reais de UCI
Avaliado no PhysioNet 2012 para mortalidade hospitalar — sinais vitais reais e irregulares — com uma divisão treino/teste segura contra fugas.
- Hoje
Pré-visualização de investigação
A implementação de referência está testada em produção em Apple Silicon. Estamos a abri-la a parceiros de investigação selecionados.
Onde o RL-L1 se enquadra
Construído para sinais com um relógio
Sinais vitais irregulares e monitorização
Streams de UCI, dispositivos vestíveis e séries temporais clínicas onde as amostras são esparsas, irregulares e o tempo é o sinal.
Em dispositivo e em streaming
A pegada reduzida e a inferência rápida tornam o RL-L1 adequado para sensores e sistemas embebidos que não podem suportar um modelo grande.
Avaliações honestas em tempo contínuo
Uma referência para estudar onde os modelos em tempo contínuo genuinamente superam os transformers — e onde não o fazem.
“Vence onde o tempo importa. Dizemo-lo onde não importa.”
— Nota de design do RL-L1
