PulseAugur
中
实时 02:07:52
English(EN) FLAME: Flow Enhanced Legendre Memory Models for General Time Series Forecasting

FLAME：新推出的轻量级时间序列基础模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 FLAME，这是一系列新颖的轻量级时间序列基础模型，专为多功能预测任务而设计。FLAME 利用勒让德记忆（包括翻译（LegT）和缩放（LegS）变体）来增强泛化能力和远程推理能力。为了提高概率预测的准确性和效率，FLAME 采用了一种基于归一化流的预测头，能够对复杂分布进行生成建模。在 TSFM-Bench、ProbTS 和 TFB 等基准测试上的实验表明，FLAME 作为决策智能工具的有效性。 AI

影响 引入了一种新的时间序列预测架构，可能改进决策智能工具。

排序理由 该集群描述了一篇介绍新颖模型架构的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

FLAME：新推出的轻量级时间序列基础模型

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xingjian Wu, Zhengyu Li, Hanyin Cheng, Xiangfei Qiu, Jilin Hu, Chenjuan Guo, Bin Yang ·

    FLAME: 流增强勒让德记忆模型用于通用时间序列预测

    arXiv:2512.14253v4 Announce Type: replace Abstract: In this work, we introduce FLAME, a family of extremely lightweight and capable Time Series Foundation Models, which support versatile forecasting tasks via generative probabilistic modeling, while ensuring both efficiency and r…

相关话题