跳到正文
热点事件持续更新

FlexCast:变长掩码预测提升时序基础模型效率

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Zuyang Shen 等研究者在 arXiv 发布论文,提出 FlexCast 框架:将变量上下文条件与自回归解码解耦,把时间序列预测重构为对 patch 的可变长度掩码预测,并公开了代码。 作者称,在 BLAST 及多个零样本基准上,FlexCast 精度与强时序基础模型基线持平或更优,同时显著降低推理延迟;消融实验显示收益主要来自上下文多样性与连续目标掩码,而非从左到右解码。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    FlexCast:面向时间序列基础模型的灵活上下文学习框架

    FlexCast 是一个将变量上下文条件与自回归解码解耦的时间序列基础模型学习框架,把预测重构为对时间序列 patch 的可变长度掩码预测。在 BLAST 及多个零样本基准上,其精度与强 TSFM 基线持平或更优,同时显著降低推理延迟。消融实验表明收益来自上下文多样性与连续目标掩码,而非从左到右解码。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。