研究人员推出了一种新颖的基准基础设施 LiveHouse-TS，旨在评估动态、真实世界条件下的时间序列基础模型 (TSFM)。与传统的静态基准不同，LiveHouse-TS 在新数据可用时持续评估模型性能，并考虑数据分布的变化和意外事件。对 11 个领域和 17 个数据集的初步评估显示，与静态方法相比，使用此“动态”基准评估时，模型排名可能会发生显著变化。 AI
影响 这一新基准可能会促使开发出更强大的时间序列模型，这些模型能够适应真实世界的数据变化，从而提高动态环境中的预测准确性。
排序理由 该集群描述了一个用于评估人工智能模型的新基准基础设施，该基础设施在一篇研究论文中有详细介绍。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.17299v1 Announce Type: new Abstract: Time Series Foundation Models (TSFMs) have recently emerged as a highly promising paradigm for cross-domain zero-shot forecasting. However, existing evaluation protocols predominantly rely on static benchmarks with fixed historical …
Time Series Foundation Models (TSFMs) have recently emerged as a highly promising paradigm for cross-domain zero-shot forecasting. However, existing evaluation protocols predominantly rely on static benchmarks with fixed historical test windows. While these benchmarks provide a v…