Giovanni B. Esposito

SeT-Diff：用于高性能计算遥测和时间序列的新型基础模型

研究人员推出 SeT-Diff，这是一种新颖的、基于扩散的基础模型，专为高性能计算 (HPC) 遥测和时间序列数据而设计。与依赖静态传感器变量的传统模型不同，SeT-Diff 将其生成过程与每个传感器的语义描述相结合，使其能够适应不断变化的任务和传感器配置。在真实超级计算机数据集上的实验显示，重建任务的平均绝对误差为 0.0470，热推断的平均绝对误差为 0.033。该模型还表现出零样本排列稳定性，即使在改变传感器顺序的情况下也能保持准确性。