冻结预测模型在MONSTER分类基准上不及强基线
热点事件持续更新
冻结预测模型在MONSTER分类基准上不及强基线
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
Rishit Jain等作者在MONSTER基准的六个大型数据集上，用1%、10%、100%训练标签评测Reverso和Chronos-Bolt的冻结表征用于时间序列分类。结果显示，预训练相比同架构随机权重版本在六个数据集中的五个上提升准确率，最高提升23个百分点；但冻结表征在17个设置中有15个不如最强的非预训练基线，2个持平。 作者称，恢复振幅信息可挽回部分差距，而微调和预测误差特征无法弥合这一差距。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
冻结的预测基础模型做分类器：Reverso 与 Chronos-Bolt 在 MONSTER 基准上不及强基线报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AI冻结的预测基础模型做分类器：Reverso 与 Chronos-Bolt 在 MONSTER 基准上不及强基线
研究在 MONSTER 基准的六个大型数据集上，用 1%、10%、100% 训练标签评测 Reverso 和 Chronos-Bolt 的冻结表征用于时间序列分类。预训练相比同架构随机权重版本在六个数据集中的五个上提升准确率，最高提升 23 个百分点，但冻结表征在 17 个设置中有 15 个不如最强的非预训练基线、2 个持平。恢复振幅信息可挽回部分差距，微调和预测误差特征则无法弥合。
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。