Aurora-X：新基础模型推动时间序列预测发展

研究人员推出 Aurora-X，这是一种大规模时间序列基础模型，旨在克服训练潜力和架构通用性方面的限制。该模型采用渐进式课程，从通道无关的预训练开始，然后逐步纳入跨变量依赖关系和未来协变量。Aurora-X 采用新颖的模式引导混合专家模型，以实现高效的容量扩展，并采用隐式分位数网络头部，以实现灵活的概率预测。跨多个基准的实验表明，与现有模型相比，其性能达到了最先进水平。 AI

影响 通过通用且可扩展的基础模型，推动时间序列预测能力的发展。

排序理由 介绍新模型架构及其性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DAG-Bench
• DagsHub
• FEV-Bench
• GIFT-Eval
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast

• 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 →