实体
Anchor Blended Sampling
Anchor Blended Sampling
PulseAugur coverage of Anchor Blended Sampling — every cluster mentioning Anchor Blended Sampling across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架SCENARIODIFF改进多模态时间序列预测
研究人员推出SCENARIODIFF，一个旨在通过整合文本上下文来增强多模态时间序列预测的新型框架。这种分层方法将信息组织成不同的代理：历史上下文代理用于证据提取，场景代理用于定性描述，锚点引导代理用于事件相关锚点。这些信号条件化多模态扩散Transformer，而锚点混合采样允许在不重新训练的情况下进行局部轨迹细化。在Time-MMD基准上的实验表明，SCENARIODIFF在事件驱动领域特别有效，突显了显式场景引导的好处。
-
SCENARIODIFF框架通过场景引导增强多模态时间序列预测能力
SCENARIODIFF是一个新框架，专为多模态时间序列预测而设计，在外部事件影响未来动态时尤其有效。它将来自文档的上下文信息构建为三个层次：历史证据提取、定性场景描述和稀疏锚点生成。该框架对多模态扩散Transformer进行条件化，并采用锚点混合采样（Anchor Blended Sampling）技术，无需重新训练即可进行局部轨迹优化。在Time-MMD基准上的实验表明，SCENARIODIFF在事件驱动领域表现出色，突显了显式…