研究人员推出了GIFT-Eval-CTX,一个旨在通过评估上下文预测模型利用已验证的未来信息的能力来对其进行基准测试的新基准。该基准建立在GIFT-Eval之上,包含20个数据集的10,000个实例,提供了描述未来条件的结构化“效应”。在测试中,与仅使用历史数据相比,当提供这些结构化效应时,GPT-5.6 "Sol"和Claude Opus 4.8等前沿LLM在预测准确性方面表现出显著的提高。MoiraiAgent代理系统取得了最佳的总体性能,突显了将LLM与结构化未来信息相结合以增强时间序列预测的潜力。 AI
影响 该基准有望提高LLM在时间序列预测方面的准确性,从而改善金融、物流和规划等领域的应用。
排序理由 新基准论文发布在arXiv上。[lever_c_research降级:ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →