AdaCast: Условное формирование параметра для адаптивного прогнозирования временных рядов

arXiv:2610.12240v1 Annualce Type: New Brieflow: Time-series Fraining Models (TSFM) достигли высоких показателей прогнозирования в различных областях. Однако большинство методов адаптации остаются статичными. Существующие методы, основанные на принципе " все в один > , обучают единый набор обновления параметров набора данных и применяют одну и ту же адаптированную модель к каждому вводу. В результате они не могут адаптировать параметры модели к временным моделям, сезонности и динамике каждого входных временных рядов. Это ограничивает их способность готовить прогнозы, адаптированные к разнородным вводимым ресурсам. Для устранения этого ограничения мы предлагаем AdaCast, условную систему построения параметров для прогнозирования временных рядов. AdaCast использует генератор для получения данных о параметрах низкого ранга для замороженного предварительно подготовленного TSFM. Эти обновленные варианты корректируют модель с учетом каждого вклада в ходе подготовки кадров и на этапе выводов. В рамках шести государственных контрольных показателей AdaCast последовательно опережает базовый уровень статической адаптации в области внутреннего прогнозирования и совершенствует нулевую температуру генера