一篇新论文评估了基础模型在时间序列预测中的有效性，并将其与传统的监督学习方法进行了比较。研究表明，基础模型在具有可转移周期性结构的情况下表现出色，并且有利于冷启动或长尾数据，而监督专家在物理约束系统方面仍然更胜一筹。该研究还强调，基础模型在金融预测方面正在迅速改进，并提出了一个“复杂度路由器”来优化模型选择，以提高准确性和降低成本。 AI
影响 基础模型为时间序列预测提供了一种零样本（zero-shot）替代方案，有可能降低维护成本并提高各种运营领域的效率。
排序理由 该集群包含一篇评估AI模型的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.24381v1 Announce Type: cross Abstract: Time series forecasting drives operational decisions in areas like finance, transportation, and energy. While supervised learning approaches achieve strong performance, they require domain-specific training, feature engineering, a…
Time series forecasting drives operational decisions in areas like finance, transportation, and energy. While supervised learning approaches achieve strong performance, they require domain-specific training, feature engineering, and ongoing maintenance. Large-scale foundation mod…