GluFormer
将连续血糖监测（CGM）信号当作一整条连续序列来学习、以预测血糖模式的早期基础模型。
简单来说
GluFormer 把连续血糖监测仪测得的一整天血糖数值看作一条连续不断的曲线，通过整体学习这条曲线的形态来把握血糖模式。
打个比方，这有点像从头到尾用肉眼扫视心电图波形、寻找异常区段。血糖曲线中既包含持续数小时缓慢起伏的大趋势，也混杂着因进食或传感器短暂波动而产生的短暂涟漪，而 GluFormer 并不将两者区分开，而是把它们当作一个整体一起学习。
这使它在把握大趋势方面还算可用，但在需要精细区分短期波动的预测任务上就显出局限。后来出现的模型为了弥补这一点，转而采用把缓慢趋势和短期波动分开处理的方式。
在报道中是这样出现的
文章将 GluFormer 与 CGMformer、CGM-JEPA 一同归为早期模型，称它们"将血糖信号仅作为单一表示流处理，未能区分缓慢的基线模式与短期波动"。文中提到，新推出的 GlucoFM 在相同预训练数据下比较时，平均 PR-AUC 比 GluFormer 高出 5.8 分——需要注意的是，GluFormer 是与 GlucoFM 不同的另一个更早的模型。