Lapras：时序语言模型的潜空间推理后训练框架

Yuliang Chen 等作者提出 Lapras 后训练框架，让时间序列语言模型（TSLM）在时间序列-语言联合空间中以连续思维进行推理，仅对最终答案输出文本。 该方法通过教师-学生自蒸馏，把基于 CoT 参考轨迹训练的教师模型推理能力迁移到学生的隐式计算中。作者称，在四个 TSLM 主干、五个时间序列问答基准上，Lapras 平均 F1 最高提升 10.79%，生成 token 减少 23.9 倍，且其连续思维可解码为可读的推理轨迹。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。