研究者提出CADE框架改进时间序列问答
热点事件持续更新
研究者提出CADE框架改进时间序列问答
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yafeng Wu等研究者提出CADE时间序列问答框架，用逐点线性编码器和MLP投影把每个时间步直接映射进LLM嵌入空间，绕过BPE分词，保留精确的索引级访问且无需分块与填充。 该框架还引入单向监督对比损失，将时间序列嵌入与冻结的类名文本锚点对齐。作者称，在公开Time-MQA基准的六项TSQA任务上，CADE一致优于开源与闭源LLM基线。
AI 根据报道生成 · 54 分钟前更新
最新进展10月19日 12:00
CADE：用直接时间步嵌入与对比对齐突破时间序列问答的 tokenization 瓶颈报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.CLCADE：用直接时间步嵌入与对比对齐突破时间序列问答的 tokenization 瓶颈
研究者提出 CADE 框架，通过逐点线性编码器和 MLP 投影将每个时间步直接映射进 LLM 嵌入空间，绕过 BPE 分词，保留精确的索引级访问且无需分块与填充。该框架还引入单向监督对比损失，将时间序列嵌入与冻结的类名文本锚点对齐。在公开 Time-MQA 基准的六项 TSQA 任务上，CADE 一致优于开源与闭源 LLM 基线。
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。