选项
首页
快讯
内容
RoySmith
RoySmith
2025-09-23

谷歌研究部门推出了 TimesFM-ICF,这是一种时间序列基础模型,能在推理过程中适应上下文中的示例,无需额外训练即可匹配监督微调结果。该方法使用分离标记和持续的预训练,与零镜头模型相比,预测准确率提高了 6.8%。这使企业能够以最少的设置更快地做出数据驱动的预测。

谷歌研究部门推出了 TimesFM-ICF,这是一种时间序列基础模型,能在推理过程中适应上下文中的示例,无需额外训练即可匹配监督微调结果。该方法使用分离标记和持续的预训练,与零镜头模型相比,预测准确率提高了 6.8%。这使企业能够以最少的设置更快地做出数据驱动的预测。 谷歌研究部门推出了 TimesFM-ICF,这是一种时间序列基础模型,能在推理过程中适应上下文中的示例,无需额外训练即可匹配监督微调结果。该方法使用分离标记和持续的预训练,与零镜头模型相比,预测准确率提高了 6.8%。这使企业能够以最少的设置更快地做出数据驱动的预测。 谷歌研究部门推出了 TimesFM-ICF,这是一种时间序列基础模型,能在推理过程中适应上下文中的示例,无需额外训练即可匹配监督微调结果。该方法使用分离标记和持续的预训练,与零镜头模型相比,预测准确率提高了 6.8%。这使企业能够以最少的设置更快地做出数据驱动的预测。
评论 (0)
0/300
OR