深度分析 Black-Mamba：事件觸發記憶更新機制提升非平穩時間序列預測適應性 本研究提出Black-Mamba架構，一種測試時自適應預測模型，透過事件觸發的記憶更新機制解決非平穩時間序列預測中的概念漂移問題。傳統方法依賴即時預測誤差更新模型，容易將隨機雜訊誤認為持久漂移，導致不必要的更新與效率低落。
