continuous embedding tokens

新方法使用自适应提示来增强时间序列基础模型

研究人员开发了 PaCTS，一种新颖的方法，通过使用学习到的 token 嵌入作为紧凑的上下文代理来增强时间序列基础模型 (TSFM)。该方法生成实例自适应的潜在提示，以可见上下文为条件，捕获全局统计信息和局部时间变化。PaCTS 在各种上下文长度和模型架构上显著提高了预测精度，在需要更少计算能力的情况下优于具有更长输入上下文的模型。与现有的权重空间适应方法相比，它还展示了更优越的改进和分布外泛化能力。