SteerCast：检索式潜空间引导提升时间序列预测

Van Dai Do等作者提出SteerCast，一种基于检索的潜空间引导方法，可在推理阶段提升decoder-only时间序列预测模型，且无需更新模型参数。 该方法在训练集上构建数据库，存储每个历史窗口的表示及其在模型潜空间中的引导向量；测试时检索近邻并聚合这些向量，注入自回归生成的每一步隐藏状态。作者称，在多个多变量基准和预测时域上，SteerCast的预测精度稳定优于微调后的骨干模型和基于检索的基线。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。