arXiv发布动态关系增强注意力机制改进时间序列预测

2026年10月26日，arXiv（cs.AI）发表新研究，由Hunjae Lee和Corey Clark提出动态关系增强注意力机制（Prime Attention），用于改进多元时间序列Transformer预测。 该机制通过可学习调制为每个token交互定制表示，在保持与标准注意力相同渐近计算复杂度的前提下，于基准测试中实现预测精度最高提升6.5%。 研究发现，使用较少序列长度即可获得相当或更优性能，展现了动态关系预激活机制在时间序列预测任务中的优势与效率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。