LOTUS：预测未来约束时序表征预训练
热点事件持续更新
LOTUS：预测未来约束时序表征预训练
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
Van Dai Do 等作者在 arXiv 发布论文，提出名为 forecast grounding 的时序预训练原则，并据此构建 LOTUS 方法。该原则要求语言对齐的时序表征在适配下游任务前，必须保持对未来演化的预测能力。 LOTUS 的具体做法是：把每个时序通道切成不重叠的 patch 并映射进 LLM 嵌入空间，用 LLM 隐藏状态预测下一个 patch；同时提出融合原始 patch 与频谱表示的 temporal-spectral patch 表征。 报道未给出 LOTUS 与其他方法的对比结果或实际效果数据。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
LOTUS：通过预测未来学习理解时序的预训练方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGLOTUS：通过预测未来学习理解时序的预训练方法
研究提出 forecast grounding 预训练原则，要求语言对齐的时序表征在下游任务适配前保持对未来演化的预测能力，并据此构建 LOTUS。LOTUS 将每个时序通道切分为不重叠 patch 映射进 LLM 嵌入空间，用 LLM 隐藏状态预测下一个 patch，并提出融合原始 patch 与频谱表示的 temporal-spectral patch 表征。
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。