热点事件持续更新
论文评估时序预测大模型冻结特征用于分类的表现
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，arXiv发表的一项针对Reverso和Chronos-Bolt时序预测模型的研究显示，将这两个大模型的预训练冻结表征应用于MONSTER基准的分类任务时，无法可靠超越无需预训练的最强专用基线。研究表明，虽然预训练特征相较于随机权重在5个数据集上带来了最高23个百分点的准确率提升，但在17种评测设置中，有15种设置的表现更差，且微调同样未能消除这一差距。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究显示Reverso和Chronos-Bolt冻结表征在分类任务上不及专用基线，微调亦未能消除差距。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习大模型小收益：冻结预测模型在 MONSTER 上的分类评测
针对 Reverso 和 Chronos-Bolt 预测模型的研究显示，将其预训练冻结表征用于 MONSTER 基准的分类任务时，无法可靠超越无需预训练的最强专用基线。虽然预训练相比随机权重在 5 个数据集上带来最高 23 个百分点的准确率提升，但在 17 种评测设置中有 15 种表现更差，且微调也未能消除这一差距。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。