研究人员推出了RMISC，一个用于训练时间序列基础模型（TSFM）的大规模、真实世界语料库。该语料库包含约200个数据集和1420亿个时间点，旨在解决TSFM主要在合成数据上训练的局限性。在RMISC上预训练四个先进TSFM的实验表明，与合成数据集相比，纳入真实世界多元数据能显著增强零样本泛化能力。 AI
影响 这个新语料库可以通过在多样化的真实世界数据上进行训练，从而实现更强大、更准确的时间序列基础模型。
排序理由 该集群描述了一篇介绍用于训练AI模型的大规模数据集的新研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.06504v1 Announce Type: new Abstract: Recent years have witnessed the emergence of multivariate modeling using time series foundation models (TSFMs), which achieve advanced zero-shot generalization. Modern multivariate TSFMs are predominantly pretrained on multivariate …
Recent years have witnessed the emergence of multivariate modeling using time series foundation models (TSFMs), which achieve advanced zero-shot generalization. Modern multivariate TSFMs are predominantly pretrained on multivariate synthetic data, which is easier to scale but may…