OliO：基于ODE的线性转移算子自监督时序预测

研究者 Kwangryeol Park 与 Seulki Lee 提出 OliO，一种基于线性常微分方程（ODE）的即插即用自监督学习方法，通过学习双向时间流，对齐任意时间偏移下的潜在表示。该方法对转移矩阵施加严格上三角约束，从数学上保证数值稳定性，并防止无约束 ODE 模型常见的指数发散。 在多种骨干架构和基准测试上，OliO 相比经最优网格搜索的 SOTA 基线，MSE 最高降低 5.75%。论文已被 NeurIPS 2026 接收。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。