热点事件持续更新

发布CoCo预测框架及多模态数据集

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

研究人员提出 Context as Covariates (CoCo) 框架，旨在解决时间序列预测中的挑战。该框架利用 LLM 将文本推理蒸馏为数值化的预测与置信度协变量，以此引导 TSFM 骨干模型，并同步采用 GRPO 对 LLM 进行微调。该工作还展示了一种可扩展的方法，通过 LLM 标注真实世界的时间序列数据，从而生成逼真的多模态数据集。在实验部分，研究团队使用 Qwen3-4B-Instruct-2507 作为 LLM，Chronos2 作为 TSFM。报告指出，这种组合在金融、气象等真实基准测试中，相比 GPT-4o 等最先进模型，实现了最高 12% 的 MAE（平均绝对误差）改进。最终，相关的代码、检查点以及评估数据集均已公开，供后续研究使用。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

13:00
arXiv · AI
CoCo 框架：将 LLM 文本推理转化为协变量以提升 TSFM 时间序列预测精度
提出 CoCo 框架，利用 LLM 将文本推理蒸馏为数值协变量引导 TSFM 预测。采用 GRPO 微调 LLM 并同步微调 TSFM，使用 Qwen3-4B-Instruct-2507 与 Chronos2 实现最高 12% 的 MAE 改进。在金融、气象等真实基准上超越 GPT-4o 等 SOTA 模型，相关代码与检查点已公开。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1011月5日 14:00
近 24 小时变化: –

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。