★ 4
EXAONE金融预测模型发布
LG AI Research发布EXAONE Finance，一个专为金融预测设计的时间序列基础模型。它采用无注意力架构，通过因果一维卷积和分组池化MLP实现线性时间计算，并在预训练中引入掩码上下文增强以处理缺失数据。在FinVerse基准上，该模型在点预测、资产排序和投资组合盈利性上均取得最优表…
arXiv cs.AI56 天前
#时间序列
共 48 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究提出无时钟事件层 CFE，实现分片不变的事件流学习
论文针对事件相机等异步事件流，研究输出对分片、同时事件顺序与时间戳连续性的不变性，证明这些性质等价于事件更新的两两可交换。作者构造最小时间中介非交换（TM）层并实例化为无时钟事件（CFE）层，线性于事件数量，在 DVS128 Gesture、SHD 与 Speech Commands 上显著优于加…
arXiv cs.LG3 天前
★ 3
Mistral 发布 Timestral 时间序列基础模型
Mistral 推出名为 Timestral 的时间序列基础模型系列，将大模型能力扩展至时序预测领域。此举有望推动金融、能源等行业的预测应用。
Hacker News13 天前
★ 3
arXiv 论文：Lapras 面向时间序列语言模型的潜在推理
论文提出 Lapras 后训练框架，为时间序列语言模型赋予潜在推理能力，模型在时间序列-语言联合空间中进行连续思维推理，仅对最终答案输出文本。在五个时间序列问答基准上，Lapras 平均 F1 较显式思维链提升最多 10.79%，同时生成 token 减少 23.9 倍。
arXiv NLP24 天前
★ 3
EXAONE Demand 1.0：面向需求预测的时间序列基础模型
LG 的 EXAONE 团队提出需求预测专用时间序列基础模型 EXAONE Demand，针对需求数据短历史、频繁零值、缺货截断和未记录外生事件等特性，构建了含 1130 万序列、484 亿观测的专用语料与合成生成器。模型在冻结的通用骨干上为四类需求（平滑、间歇、波动、块状）附加低秩分支，并用路由…
arXiv cs.AI35 天前
★ 3
Forecast Workflow Bench：用预算化预测工具评估语言模型决策
论文提出 FWBench，在 1,251 个电力与共享单车案例中评估语言模型如何选择预测模型、历史窗口与预测期，并在成本约束下提交容量决策。GPT-6 Astra 仅使用 2.5% 预算选择性购买廉价短期预测，在三种损失成本权重下均优于固定策略。
arXiv cs.LG39 天前
★ 3
TQRNN30d：长期工业预测性维护
提出TQRNN30d框架，结合双阶段分位数回归神经网络与多流时序融合分类器，实现30天故障预测。在72台机器数据上达到约80%的F1分数，领先18个基线。
arXiv cs.AI56 天前
★ 3
MedFlow：医学时间序列合成新框架
MedFlow提出类别感知多尺度流匹配框架，用于医学时间序列合成。通过向量量化多尺度分词器和令牌边际引导，增强少数类模式，在四个公开数据集上优于扩散基线，提升AUPRC并大幅降低Context-FID。
arXiv cs.AI56 天前
★ 3
研究提出波函数反向传播WFB：显式时间间隔动力学学习
论文提出波函数反向传播（WFB），将神经响应表示为可学习的振幅、波数等参数，通过相位关联时间间隔。实验显示WFB在轨迹预测中降低平均位移误差，但增益主要来自波表示而非时间对齐。
arXiv cs.AI61 天前
★ 3
LLM智能体用于时间序列的综述
该综述采用问题驱动分类法，将基于LLM的智能体系统按时间序列问题分为四类，并分析任务需求如何影响智能体架构、工具使用和记忆设计。总结了常用数据集和环境，并比较了模型性能。
arXiv cs.AI66 天前
★ 3
时间序列预测的上下文内修复
该研究提出ICI-Time框架，将时间序列预测重构为视觉修复任务，利用大型视觉模型的泛化能力。通过将时间序列转换为面积图并应用视觉上下文学习，无需微调即可进行预测，在流行病学、气象学和电力系统等实验中表现与深度学习基线相当，且在有限数据下具有适应性。
arXiv cs.AI68 天前
★ 2
研究用可穿戴加速度计签名特征检测脑癌进展
arXiv 论文基于 BrainWear 研究中高级别胶质瘤患者的手腕加速度计数据，用粗糙路径签名提取行走路径特征，并以签名核最大均值差异量化行为变化。通过按患者稳定期自然波动做个体化归一化，显著提升稳定与进展状态的区分度。结果为可穿戴连续监测作为神经肿瘤数字生物标志物提供概念验证。
arXiv cs.LG3 天前
★ 2
ACTS-WM：自监督潜在动作世界模型提升时间序列建模
论文提出 ACTS-WM，一种面向时间序列的自监督潜在动作条件世界模型框架。它无需显式动作标注即可从序列变化中推断潜在动作，并结合 JEPA 编码器与动作条件世界模型预测目标表示。在 22 个数据集、4 类任务上验证，性能优于预训练 JEPA 编码器。
arXiv cs.LG3 天前
★ 2
ATEMPO：按滞后与时序摊销的迁移熵估计模型
论文提出 ATEMPO，一种基于扩散模型、在滞后与时间维度上摊销的迁移熵估计器，单次训练即可估计完整迁移熵曲面，无需按源深度和目标深度分别拟合。在合成数据上取得最低平均相对误差，滞后检测准确率达 0.98，并改善天气预测与脑机接口任务的下游表现。
arXiv cs.AI5 天前
★ 2
研究质疑：谱可预测性 Ω 匹配不足以指导合成预训练
论文检验「可预测性感知预训练」假设，即在分布偏移下用谱可预测性 Ω 匹配源与目标来选择合成数据。实验覆盖 LSTM、PatchTST、TCN 三种架构，在理想合成条件下 Ω 匹配可带来显著收益，但在真实 ETTm1 基准上收益微弱甚至为负。两种数据源在仅 53% 配置上转移方向一致，说明 Ω 几乎…
arXiv cs.LG10 天前
★ 2
综述：时间序列异常检测的现状与统一展望
该综述系统梳理时间序列异常检测（TSAD）领域，涵盖扩散模型、状态空间模型与大语言模型等新兴架构，并建立精细的异常分类与范式体系。文章深入分析评估方法、开展指标可靠性实验，并发布开源基准仓库，同时提出动态阈值、可解释性、零样本迁移等开放挑战。
arXiv cs.LG10 天前
★ 2
论文提出 AnoMix 多教师评分蒸馏用于无监督时间序列异常检测
研究提出 AnoMix，从冻结教师检测器的训练集异常分数中提取弱成对监督，并用 CoRank 多教师排序蒸馏目标训练学生模型。在 7 个基准数据集上，AnoMix 将互补评分原则整合进单一轻量模型，参数量不足 8 万，优于单个检测器与静态分数集成。零样本变体显示蒸馏排序信号可迁移至未见数据集。
arXiv cs.LG11 天前
★ 2
TimeFT：从频域视角重构时间序列分词
论文指出当前时间序列分词策略会引入频谱失真，使表示偏离趋势、周期等真实模式，并从频域推导失真发生的边界条件。作者提出无参数分词器 TimeFT，通过频域划分、频移与奈奎斯特采样实现近无失真分词，在预测、分类与异常检测任务上稳定提升性能。
arXiv cs.LG11 天前
★ 2
GRAIL：基于区域的时间序列模型解释框架发布
arXiv 论文提出 GRAIL，一种基于区域的时间序列解释框架，用 ECG 的 P 波、QRS 波群等领域特定区间替代逐时间步显著性作为博弈参与者。该方法用人类可读特征描述区域，并通过流形上的条件生成器构造反事实基线，还支持年龄、性别等静态协变量与信号同尺度归因。实验显示其在合成与真实数据上均产…
arXiv cs.AI11 天前
★ 2
RNN 结合可解释性分离相似森林类别
研究评估循环神经网络（RNN）从 Sentinel-2 时间序列进行树种分类的潜力，并利用 Integrated Gradients 分析光谱-时间特征归因，重点区分纯云杉与混合云杉像素。最佳 RNN 的 Macro-F1 达 0.851，优于 XGBoost 和随机森林，归因分析揭示了区分两类森…
arXiv cs.LG18 天前
★ 2
LOTUS 提出预测锚定预训练，时序语言模型性能提升
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…
arXiv cs.LG18 天前
★ 2
物理信息状态空间模型预测光伏发电功率
论文提出物理信息状态空间框架，将可微光伏转换模型与选择性状态空间骨干 PowerMamba 结合，用于日前光伏功率预测。在一年公用事业规模数据上，RMSE 降低 38.5%、MAE 降低 45.8%，并提升物理可行性。
arXiv cs.LG19 天前
★ 2
HART：混合注意力-RWKV 时间序列基础模型发布
论文提出 HART，一种交替使用注意力与 RWKV 模块的时间序列基础模型，用于非自回归多步预测。作者分析 RWKV-7 在长时程预测中的退化现象，提出 Placeholder Idling Decay 机制解释原因。HART 仅 36M 参数，在 GIFT-Eval 长时程 MASE 上接近 1…
arXiv cs.LG21 天前
★ 2
NV-Tesseract-AD：课程学习增强的扩散异常检测
论文提出 NV-Tesseract-AD，将课程学习引入条件扩散框架用于多变量时间序列异常检测，沿掩码强度与扩散噪声两个轴由易到难训练。相比无课程基线，F1 提升约 3.7 倍、MSE 降低 56%，零样本在 NAB 达 F1=0.984、NormA 达 0.948；DPM-Solver++ 可将…
arXiv cs.LG21 天前
★ 2
KITE：注入知识的时间序列事件预测编码器
论文提出 KITE，一种知识注入的时间序列事件预测器，通过协变量机制与注意力偏置机制两种可切换方式注入「语义先验」，无需逐数据集架构搜索。实验显示信息量充足的先验在短上下文下显著优于无先验基线（周期性时钟 +14%，守恒残差 +47%），并可跨域迁移（+53%）。
arXiv cs.LG21 天前
★ 2
TimesFM 3.0 用于大学建筑日前电力预测
arXiv 论文对统计、机器学习、循环神经网络与预训练 TimesFM 模型在大学建筑日前电力预测任务上进行基准测试。TimesFM 3.0 结合协变量取得最低误差，平均绝对误差较周季节朴素预测降低约 43%，且无需建筑专属权重训练。XGBoost 仍具竞争力，可快速本地拟合与推理。
arXiv cs.LG21 天前
★ 2
LLM辅助正则化提升低数据迁移流预测
论文研究LLM能否通过从新闻中提取迁移相关信号并注入加权Lasso框架来改进迁移流预测。采用分层LLM推理流水线分类推拉信号，在墨西哥-美国、乌克兰-波兰、叙利亚-土耳其等走廊上评估。结果显示性能因走廊与策略而异，无单一正则化方法始终占优，但特定条件下上下文特征与LLM引导正则化可提升预测。
arXiv cs.LG26 天前
★ 2
MemKD：面向紧凑循环网络的内存保持蒸馏
论文针对循环神经网络在资源受限设备部署的挑战，提出内存差异知识蒸馏框架MemKD。该方法利用专门损失函数捕捉教师与学生模型在时间序列子序列上的内存保持差异，使学生模型有效模仿教师行为。实验表明MemKD显著优于现有蒸馏方法，在多种压缩级别下匹配教师性能，大幅减少参数量与内存占用而不明显损失精度。
arXiv cs.LG26 天前
★ 2
QiYao-I：不规则多元时间序列基础模型
论文提出QiYao-I，一种面向不规则多元时间序列预测的流形基础模型。方法引入采样条件时间流形注意力机制，将真实时间戳映射到可学习的时间流形特征空间并注入注意力层，同时提出频率感知的动态变量交互机制。在真实不规则多元预测基准上，QiYao-I优于时间序列基础模型与端到端不规则预测模型，在零样本与少…
arXiv cs.LG26 天前
★ 2
OSSE-LSTM：标签高效时间序列分类
针对大规模时间序列分析中标注昂贵、受限于标签量的问题，提出Dual-Stream OSSE-LSTM，结合Omni-Scale CNN与SE重校准进行多尺度模式提取，配合双向LSTM捕捉全局时序上下文，并引入反事实积分梯度C-IG提升可解释性。在19个UCR数据集上各支持度下均取得最高平均准确率，…
arXiv cs.AI28 天前