新的 StarEmbed 基准测试在天文数据上评估时间序列模型

研究人员推出了 StarEmbed，这是一个旨在利用天文数据评估时间序列基础模型 (TSFM) 的新基准。该基准利用了约 40,000 颗恒星的真实观测数据，这些数据具有不规则采样和多变量特性，并包括对聚类、分类和异常检测的评估。研究发现，Chronos 系列 TSFM 尽管在规则的、非天文数据上进行了训练，但在光变曲线聚类和异常检测方面取得了最先进的性能，证明了 TSFM 在复杂天文数据集上的潜力。 AI

影响 该基准测试有望推动时间序列基础模型在天文学等专业科学领域的改进。

排序理由 该集群描述了一篇在 arXiv 上发表的新基准和研究论文，该论文在新的数据集上评估现有模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Chronos
• DagsHub
• Gotit.pub
• Hugging Face
• Li Weijian
• ScienceCast
• StarEmbed

• 论文
• 模型发布

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