研究者提出AdaCast时序预测框架

Darahaas Nallagatla、Darryl Cherian Jacob 和 Pan He 提出 AdaCast，一种面向时间序列预测的条件参数生成框架。其做法是用生成器为冻结的预训练时间序列基础模型生成输入特定的低秩参数更新，在训练和推理阶段逐输入调整模型。 研究称，在六个公开基准上 AdaCast 持续优于静态适配基线，并提升了跨领域留出数据集的零样本泛化能力。上述效果为作者在论文中的报告，尚未经第三方独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。