オプション
家
速報
コンテンツ
RoySmith
RoySmith
2025年9月23日

Google Research は、推論中にコンテキスト内の例に適応する時系列基礎モデル TimesFM-ICF を発表し、余分なトレーニングなしで教師ありの微調整結果と一致させる。この手法は、セパレータトークンと継続的な事前トレーニングを使用し、ゼロショットモデルと比較して予測精度を6.8%向上させる。これにより、企業は最小限のセットアップでデータ駆動型の予測をより迅速に行うことができる。

Google Research は、推論中にコンテキスト内の例に適応する時系列基礎モデル TimesFM-ICF を発表し、余分なトレーニングなしで教師ありの微調整結果と一致させる。この手法は、セパレータトークンと継続的な事前トレーニングを使用し、ゼロショットモデルと比較して予測精度を6.8%向上させる。これにより、企業は最小限のセットアップでデータ駆動型の予測をより迅速に行うことができる。 Google Research は、推論中にコンテキスト内の例に適応する時系列基礎モデル TimesFM-ICF を発表し、余分なトレーニングなしで教師ありの微調整結果と一致させる。この手法は、セパレータトークンと継続的な事前トレーニングを使用し、ゼロショットモデルと比較して予測精度を6.8%向上させる。これにより、企業は最小限のセットアップでデータ駆動型の予測をより迅速に行うことができる。 Google Research は、推論中にコンテキスト内の例に適応する時系列基礎モデル TimesFM-ICF を発表し、余分なトレーニングなしで教師ありの微調整結果と一致させる。この手法は、セパレータトークンと継続的な事前トレーニングを使用し、ゼロショットモデルと比較して予測精度を6.8%向上させる。これにより、企業は最小限のセットアップでデータ駆動型の予測をより迅速に行うことができる。
コメント (0)
0/300
OR