arXiv 机器学习· Hao-Nan Shi, Tong Wu, Chen-Cong Sun, Yuan Jiang, Han-Jia Ye, De-Chuan Zhan·· 3 小时前AI 评分34
RACE：面向富邻域时序基础模型预测的残差感知测试时适应框架
RACE: Residual-Aware Test-Time Adaptation for Neighbor-Rich Time-Series Foundation Model Forecasting
AI 导读
研究人员提出测试时适应框架 RACE，无需修改骨干模型即可利用历史邻近序列的残差纠正时序基础模型（TSFM）的预测误差。该框架包含免训练修正模块 RACE-TF 与轻量级门控 Gate，在 4 个 TSFM 骨干模型及两大主要领域中均提升了全部 3 项聚合指标。所训练的 Gate 支持跨骨干直接迁移，在全部 72 项跨骨干对比中均实现性能提升。
来源：arXiv 机器学习 · arxiv.org