ReasonCast框架整合语义推理以改进需求预测

研究人员开发了ReasonCast，一个整合文本事件知识和数值时间序列数据的新型需求预测框架。该系统使用一个代理选择性地应用语义推理，将事件细节转化为修改预测动态的结构化字段。该框架采用训练后课程，包括Schema SFT和预测效用RL，以使推理与边际预测改进保持一致，并在各种敏感类别中展示了WMAPE的降低。 AI

影响 引入了一种新颖的代理方法，将文本上下文整合到时间序列预测中，有可能提高事件敏感领域的准确性。

排序理由 详细介绍一种新的需求预测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• Apple M5 chip
• arXiv
• CatalyzeX
• DagsHub
• forecast-utility RL
• Gotit.pub
• Hugging Face
• ReasonCast
• Schema SFT
• ScienceCast
• semantic-field RL
• WMAPE

• 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 →