arXiv cs.AI· Darahaas Nallagatla, Darryl Cherian Jacob, Pan He·· 9 天前AI 评分18
AdaCast：面向自适应时间序列预测的条件参数生成框架
AdaCast: Conditional Parameter Generation for Adaptive Time Series Forecasting
AI 导读
AdaCast 用生成器为冻结的预训练时间序列基础模型生成输入特定的低秩参数更新，在训练和推理阶段都能针对每条输入序列调整模型参数。在六个公开基准上，AdaCast 在域内预测中持续优于静态适配基线，并提升了对跨领域留出数据集的零样本泛化能力。
正文 · AI 翻译
摘要：时间序列基础模型（TSFM）已在各领域取得强大的预测性能。然而，大多数适配方法仍是静态的。现有的多合一方法学习一组数据集级别的参数更新，并将同一个适配后的模型应用于每个输入。因此，它们无法使模型参数适应每个输入时间序列的时间模式、季节性和动态变化。这限制了它们针对异构输入生成定制化预测的能力。为解决这一局限，我们提出 AdaCast，一种用于时间序列预测的条件参数生成框架。AdaCast 使用生成器为冻结的预训练 TSFM 生成输入特定的低秩参数更新。这些更新在训练和推理过程中使模型适应每个输入。在六个公开基准上，AdaCast 在域内预测中持续优于静态适配基线，并提升了对跨领域留出数据集的零样本泛化能力。这些结果表明，条件参数生成为自适应预测提供了一种有效方法。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12240 [cs.LG] |
| （或 arXiv:2610.12240v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12240 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Pan He [查看邮箱]
[v1]
2026年10月8日星期四 16:21:19 UTC（3,501 KB）
来源：arXiv cs.AI · arxiv.org