时间序列基础模型提出动态多步解码选择器

Birmjune Kim等作者提出一种动态策略选择器，为冻结的预训练时间序列基础模型在推理时自适应选择预测展开调度，而不是固定使用一次性预测或自回归解码。 在 fev-bench 上，冻结的 Chronos-2 主干配合一致性门控选择，在较长预测跨度上显著提升点预测 MASE，并回收约 6-8% 的真值选择动态规划增益；冻结的 Moirai-1.1-R-small 主干在全基准上同样显著。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。