arXiv 机器学习· Chia-Han Kuo, Chengshuai Zhao, Huan Liu, Lo Pang-Yun Ting·· 10 小时前AI 评分33
ACTS-WM：面向时间序列的自监督潜在动作条件世界模型
Self-Supervised Latent Action-Conditioned World Modeling for Time Series
AI 导读
研究提出面向时间序列分析的自监督潜在动作条件世界模型 ACTS-WM，无需显式标注即可将时序转换背后的信息推断为潜在动作。该框架结合 JEPA 编码器与动作条件世界模型，基于学习到的潜在动作预测目标时序表征。在涵盖预测与分类的 4 类任务、22 个跨领域数据集上，ACTS-WM 相比预训练 JEPA 编码器提升了下游性能。
来源：arXiv 机器学习 · arxiv.org