研究团队提出免训练持续学习预测方法
热点事件持续更新
研究团队提出免训练持续学习预测方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究团队提出了一种基于提示进化的多模态预测免训练持续学习方法。该方法无需重新训练模型，而是通过进化提示引导块来实现模型的持续更新。 在实验方面，团队使用了冻结的Llama-3.3-70B模型和900词进化引导块。在包含每周搜索指数、每日货币、每日商品及新闻的多模态基准测试中，该方法在留出数据上的GM MASE达到0.776，优于时间基础模型（TSFM）的0.898。 研究还指出，虽然闭环改进可能导致2-3倍的高估，且仅针对错误目标会抑制文本模态，但该方法将更新成本从昂贵的GPU算力转变为以美元计的低成本操作，被视为重训练的一种无训练替代方案。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 12:00
通过提示进化实现多模态预测的无训练持续学习报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AI通过提示进化实现多模态预测的无训练持续学习
冻结 Llama-3.3-70B 使用 900 词进化引导块，在留出数据上 GM MASE 达 0.776，优于 TSFM 的 0.898。 多模态基准包含每周搜索指数、每日货币、每日商品及新闻。闭环改进高估 2-3 倍，仅错误目标会抑制文本模态。 持续提示进化是重训练的无训练替代方案，更新成本为美元而非 GPU 天。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。