arXiv · Machine Learning· Birmjune Kim, Hyungju Lee, Hyun Oh Song·· 8 小时前AI 评分38
时间序列基础模型的动态多步解码策略
Dynamic Multi-Step Decoding for Time-Series Foundation Models
AI 导读
研究提出面向冻结时间序列基础模型的动态解码选择器，按输入自适应选择预测滚动计划，并在基准测试中提升点预测准确性。部署时由5个独立训练的选择器投票，意见不一致则回退到模型的一次性预测，无需微调主干模型。使用 Chronos-2 时，fev-bench 上 MASE 显著优于一次性解码，并追回动态规划采用真实值选择时约6–8%的收益；Moirai-1.1-R-small 上全基准的提升也达到显著水平。
来源：arXiv · Machine Learning · arxiv.org