Компьютерная наука > Машинное обучение [представлено 7 сентября 2026 года] Название: Streaming Hierarchical Infaction with Tabular Foundation Models View PDF HTML (экспериментальный) Резюме: Tabol Fund Moprovisions (TFMS) недавно продемонстрировали высокую прогнозную эффективность за счет обучения в формате in-context, однако их внедрение в потоки данных с высоким коэффициентом производительности попрежнему сопряжено с трудностями изза накладных расходов и задержек связи. Мы предлагаем \текстит {HINT}, иерархическую систему вывода, которая сочетает поиск на основе кромок с выводом ТФМ на основе облаков. На основе графиков приблизительное ближайшее соседское воспоминание, хранящееся на скользящем окне, дает местные прогнозы и оценки неопределенностей, позволяющие обрабатывать уверенные пробы на месте в то время как неопределенные случаи выборочно отгружаются вместе с их извлеченным контекстом в туманно устроенный ТФМ. Эта система позволяет определить пороговый уровень отгрузки и политику поиска по соседству, которая может быть разнообразна в целях обеспечения баланса между прогнозируемыми показателями работы и расходами на связь. Эксперименты показывают, что текстит {HINT} последовательно выявляет благоприятные компромиссы. Загрузка ссылок и цитат... Библиографические и цитационно-инструментальные средства Библиографии (что такое Исследователь?) Подключенные документы (Что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Какой умный клиент?), код,…
Иерархическое поражение с моделями Tabular Fund
arXiv: 26009,07956v1 Annuate Type: New Habrial: Tabular Foundation Models (TFM) недавно продемонстрировали высокую прогнозируемую эффективность в процессе обучения на основе внутреннего текстового текста, однако их внедрение в потоки данных с высоким коэффициентом производительности по-прежнему сопряжено с трудностями изза накладных расходов и запоздалости связи. Мы предлагаем \текстит {HINT}, иерархическую систему вывода, которая сочетает поиск на основе кромок с выводом ТФМ на основе облаков. На основе графиков приблизительное ближайшее соседское воспоминание, хранящееся на скользящем окне, дает местные прогнозы и оценки неопределенностей, позволяющие обрабатывать уверенные пробы на месте в то время как неопределенные случаи выборочно отгружаются вместе с их извлеченным контекстом в туманно устроенный ТФМ. Эта система позволяет определить пороговый уровень отгрузки и политику поиска по соседству, которая может быть разнообразна в целях обеспечения баланса между прогнозируемыми показателями работы и расходами на связь. Эксперименты показывают, что текстит {HINT} последовательно выявляет благоприятные компромиссы.