PulseAugur
实时 09:39:26
English(EN) Rethinking Multimodal Time-Series Forecasting Evaluation

新的TimesX基准挑战多模态时间序列预测评估

引入了一个名为TimesX的新多模态时间序列预测基准,旨在解决现有基准的局限性。TimesX通过自动化流程生成了具有不同领域和文本上下文的真实世界时间序列。该基准旨在提高泛化能力,扩展文本上下文的多样性,并防止评估过程中的数据泄露。在TimesX上的实证研究表明,一些在旧基准上表现良好的方法遇到了困难,而利用丰富文本上下文的简单集成方法表现出了优越的性能。 AI

影响 这个新基准通过解决当前的评估局限性,可能促使开发出更强大、更具泛化能力的多模态预测模型。

排序理由 该集群描述了一篇介绍用于评估多模态时间序列预测的基准的新学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的TimesX基准挑战多模态时间序列预测评估

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Haoxin Liu, Yichen Zhou, Rajat Sen, B. Aditya Prakash, Abhimanyu Das ·

    Rethinking Multimodal Time-Series Forecasting Evaluation

    arXiv:2607.06973v1 Announce Type: new Abstract: We introduce a new context-enriched, multimodal time series forecasting benchmark, TimesX. TimesX contains a wide selection of high-quality real-world time series with diverse domains and textual contexts obtained from an automated …