AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:主动探测×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月9日
11:56
11:56arXiv cs.AI@Peiliang Gong, Emadeldeen Eldele, Chenyu Liu, Ziyu Jia, Yi Ding, Xinliang Zhou, Lianchao Gu, Qi Zhu, Yang Liu, Daoqiang Zhang, Xiaoli Li
精选
现有LLM时间序列预测方法多依赖被动对齐或静态重编程,难以捕捉非平稳模式和细粒度任务意图。本文提出InA-Probe,通过多层级指令注入和自适应查询生成,让模型主动探测时间序列中的关键模式。该方法在7个真实基准上超越现有深度学习和LLM基线,在跨域场景中预测误差降低高达37%,零样本泛化能力也显著提升。消融实验表明,自适应查询与细粒度指令的协同作用是释放LLM推理能力的关键。
论文时间序列预测LLM指令感知主动探测零样本泛化

推荐理由:时间序列预测从业者终于有了一个能主动理解任务意图的LLM方案——InA-Probe在跨域场景误差降低37%,做金融、能源等时序预测的团队值得关注。
原文
精选全部日报登录