30数据集验证时间序列基础模型盈亏平衡
热点事件持续更新
30数据集验证时间序列基础模型盈亏平衡
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Nicholas Tan Jerome与Frank Simon发布系统分析,在30个基准数据集上对比Chronos-Bolt等基础模型与经典预测方法,确立低数据场景决策规则。 分析显示,若训练样本低于700且季节性显著,零样本基础模型表现更优;但6个数据集中,经典方法在5%以内样本即可超越。 研究证实LoRA微调在短序列上效果有限,部分场景性能下降达52%;在规则外场景,仍需通过试点测试决定策略。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
何时使用预训练时间序列基础模型?一项盈亏平衡分析报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · ML何时使用预训练时间序列基础模型?一项盈亏平衡分析
研究对 Chronos-Bolt、Moirai 和 Lag-Llama 进行了首次系统盈亏平衡分析,在 30 个基准数据集上比较其与 Naive、ETS、ARIMA 和 XGBoost 的表现。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。