PulseAugur
中
实时 20:20:00
English(EN) TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models

新方法审计时间序列基础模型的数据污染

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 TSFMAudit，一种旨在检测时间序列基础模型 (TSFM) 中数据污染的新颖方法。这是首个专门针对 TSFM 的预训练污染审计研究，TSFM 越来越多地在海量数据集上进行训练。TSFMAudit 通过分析探针适应动态来运行，通过在微调探针期间异常快速的损失减少和最小的骨干移动来识别污染。该方法在六个 TSFM 和 187 个数据集上进行了评估，其表现优于从大型语言模型研究改编的十个现有基线。 AI

排序理由 该集群包含一篇介绍新 AI 模型审计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新方法审计时间序列基础模型的数据污染

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Hongkai Li, Shifeng Xie, Lefei Shen, Zhuo Li, Mouxiang Chen, Xiaobin Zhang, Han Fu, Jianling Sun, Xiaoxue Ren, Chenghao Liu ·

    TSFMAudit：预测时间序列基础模型中的数据污染审计

    arXiv:2605.26161v1 Announce Type: cross Abstract: Time series foundation models (TSFMs) are increasingly pretrained on large corpora, raising concerns that evaluation datasets may have been exposed during pretraining and thus yield overly optimistic performance estimates. Auditin…

相关实体

相关话题