LOTUS 提出预测锚定预训练，时序语言模型性能提升
原文标题：Lotus: Learning to Understand Time-series by Learning to Forecast
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出「预测锚定」（forecast grounding）预训练原则，要求语言对齐的时序表示在下游任务适配前仍能预测未来演化。基于该原则实现的 LOTUS 将时序通道切分为不重叠 patch 映射进 LLM 嵌入空间，并预测下一个 patch，同时引入时序-频谱 patch 表示以兼顾变化与周期性。在三种语言模型骨干与六个下游数据集上，LOTUS 以最少可训练参数取得 59.91% 平均准确率，超过最强同规模基线 3.36%，在 TSRBench 上以极小体量超越 25 至 50 倍规模模型。
- 问题
- 时序语言模型仅靠标签、描述或问答对齐，未要求表示保留时序演化信息。
- 方法
- 提出预测锚定预训练原则，LOTUS 将时序通道切成不重叠 patch 映射进 LLM 嵌入空间并预测下一 patch，另引入时序-频谱 patch 表示兼顾变化与周期性。
- 结果
- 三种骨干、六个下游数据集上以最少可训练参数取得 59.91% 平均准确率，超最强同规模基线 3.36%；TSRBench 上以极小体量超越 25 至 50 倍规模模型。
- 影响
- 为时序预测类产品提供参数高效的 LLM 方案，小模型即可对标大模型。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。