研究者提出prime attention改进多变量时间序列预测

Hunjae Lee 和 Corey Clark 在 arXiv 论文（arXiv:2509.12196）中提出 prime attention（动态关系预调整注意力）机制，让每个 token 在 token-pair 交互中通过可学习调制动态调整表示，以捕捉多变量时间序列中异质的通道间依赖。据论文所述，该方法在基准测试中预测准确率较标准注意力最高提升 6.5%，且最多减少 40% 的序列长度即可达到相当或更优的性能。 该方法与标准注意力保持相同的渐近计算复杂度，不增加计算开销。上述性能数据为论文作者的实验结论。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。