新数据集和基准旨在利用基础模型推进空气质量预测

研究人员推出了 Air Quality Arena (AQA)，这是一个全面的数据集和基准，旨在利用时间序列基础模型 (TSFM) 来改进空气质量预测。AQA-Data 涵盖了三年内 7 个国家 7,000 多个站点的主要污染物，而 AQA-Bench 则评估模型性能。初步结果显示，TSFM 的性能显著优于传统方法，结合了视觉和时间序列模型的跨模态架构在零样本预测准确性方面表现最佳。 AI

影响 这个新数据集和基准可以加速关键环境监测和公共卫生应用领域先进人工智能模型的开发和采用。

排序理由 该项目描述了一个用于评估时间序列基础模型在空气质量预测方面的新数据集和基准，已在 arXiv 上发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Air Quality Arena
• alphaXiv
• AQA-Bench
• AQA-Data
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Pandarasamy Arjunan
• ScienceCast

• 论文
• 产品

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