Skip to content
Hot storiesContinuously updated

研究人员提出时序模型框架QUAL并开源

1 reports1 reporting sourcesUpdated 5 hours ago

Start here

AI overview

2026年11月2日，研究人员在 arXiv 提出无标签框架 QUAL。该框架通过以模型池为概率参考对齐分位数，无需训练即可提升并融合多个零样本时间序列基座模型。评测结果显示，在 GIFT-Eval 基准上，分位数对齐使成员模型的平均 MASE 和 CRPS 分别降低 7.4% 与 9.8%。同时，该框架结合 Huber 聚合与重排机制，在候选池混入弱预测模型时仍能保持稳健，相关代码已正式开源。

AI-generated from reports · Updated 5 hours ago

Latest developmentsNov 2 13:00
研究者提出零样本时序模型框架QUAL，免训练即可提升融合性能并已开源代码。

Report timeline

Follow the reports to see different sides of the story.

Nov 2
  1. arXiv 人工智能
    QUAL：利用分位数对齐提升零样本时间序列基座模型性能

    研究者提出无标签框架 QUAL，通过以模型池为概率参考对齐分位数，无需训练即可提升并融合多个零样本时间序列基座模型。在 GIFT-Eval 评测基准上，分位数对齐使成员平均 MASE 和 CRPS 分别降低 7.4% 与 9.8%。该框架结合 Huber 聚合与重排，在候选池混入弱预测模型时依然保持稳健，相关代码已开源。

Story heat trend

Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–

02.557.510Nov2Nov2Nov2Nov2

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.