arXiv 机器学习· Jonas Petersen, Pratik Jawahar, Riccardo Maggioni, Gian-Alessandro Lombardi, Matteo Cozzi, Marek Gajewski, Federico Martelli, Camilla Mazzoleni, Philipp Christian Petersen·· 5 小时前AI 评分35
KITE：用于时间序列事件预测的知识注入时序编码器
KITE: A Knowledge-Injected Temporal Encoder for Time-Series Event Forecasting
AI 导读
研究人员提出时间序列事件预测模型 KITE，通过协变量和注意力偏差两种可切换机制向自监督预测器注入语义先验。实验显示，在短上下文且仅 0.25 标签比例下，守恒残差先验使域内汇总 h-AUROC 较无先验基线提升 47%（周期性时钟先验提升 14%），域外迁移提升 53%。该架构无需针对数据集搜索结构，可作为跨领域时序基座世界模型的基础。
来源：arXiv 机器学习 · arxiv.org