热点事件持续更新
研究人员提出时序基础模型测试时自适应框架RACE
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月2日，研究人员在 arXiv 发布论文，提出了面向时序基础模型（TSFM）预测的残差感知测试时适应框架 RACE。该框架无需修改骨干模型，即可利用历史邻近序列的残差来纠正模型的预测误差。RACE 包含免训练修正模块 RACE-TF 与轻量级门控 Gate。实验显示，RACE 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；同时，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了性能提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
研究人员提出时序基础模型测试时适应框架RACE，可纠正预测误差并支持跨骨干直接迁移。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。