Таймстр

Компьютерные науки > Искусственный интеллект [представлен 27 октября 2026 года] Название: Timestral View PDF HTML (экспериментальный) Резюме: Мы введем Timestral, семейство из четырёх временных рядов базовых моделей для вероятностного прогнозирования с 5М, 28М, 123М и 209М параметрами. Timestral устанавливает новое состояние искусства на GIFT-Eval, TIME и fev-bench, где Timestral-209M и Timastral-123M занимают два первых места в каждой метрике. Мы добиваемся этого с помощью трех компонентов: разделённое прогнозирование горизонта (DHF), которое отделяет знаки прогнозирования от причинно-следственного контекста, так что более длинные горизонты обучаются без маскировки контекста и каждое наблюдаемое значение является одновременно и прогнозируемой целью, и контекстом для последующих прогнозов; ковариативная система, которая поддерживает известные будущие ковараты в рамках причинной архитектуры; а также двухэтапный трубопровод, который предвосхищает исключительно многоплановый крупномасштабный синтетический корпус перед тем как обучаться комбинированию реальных и синтезированных данных с расширенным контекстом. В настоящем докладе содержится описание структуры модели и ее базовых результатов. Весы для всех четырех моделей доступны на GitHub. Дополнительные ссылки и цитаты... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Каков умный…