论文页面 - TopoPrimer: 缺失的拓扑上下文在预测模型中的作用

来源：https://huggingface.co/papers/2605.15035

摘要

TopoPrimer 通过持续同调与谱层坐标融入全局拓扑结构，提升预测准确性，在多个领域及挑战性场景中展现持续改进。

我们引入了 TopoPrimer，这是一个框架，将序列群体的全局拓扑结构（https://huggingface.co/papers?q=topological%20structure）作为显式输入提供给任何预测模型。TopoPrimer 在多种领域提高了准确性，稳定了季节性需求高峰下的预测，并缩小了冷启动差距（https://huggingface.co/papers?q=cold-start%20gap）。通过持续同调（https://huggingface.co/papers?q=persistent%20homology）和谱层坐标（https://huggingface.co/papers?q=spectral%20sheaf%20coordinates）在每个领域预计算一次，TopoPrimer 为完全训练模型按 token 部署，并为预训练骨干网络提供轻量级适配器。在这两个组件中，谱层坐标是准确性的主要驱动力。在四个公共基准测试中，针对 Chronos（https://huggingface.co/papers?q=Chronos）和 TimesFM（https://huggingface.co/papers?q=TimesFM），TopoPrimer 持续提升预测准确性，在 ECL 上 MSE 最高提升 7.3%。拓扑优势在零样本和微调骨干网络（https://huggingface.co/papers?q=fine-tuned%20backbones）中幅度几乎相同，表明拓扑与逐序列训练捕捉的是互补信号。在困难场景下增益最为显著。在季节性需求高峰下，经典模型和零样本模型性能退化高达 50%，而 TopoPrimer 保持在 10% 以内。在无任何项目历史记录的冷启动场景中，TopoPrimer 相比于无拓扑基线将 MAE 降低了 27%。

查看 arXiv 页面（https://arxiv.org/abs/2605.15035）查看 PDF（https://arxiv.org/pdf/2605.15035）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.15035）

在你的 Agent 中获取这篇论文：

hf papers read 2605.15035

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.15035 以从该页面链接。

引用此论文的数据集 0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.15035 以从该页面链接。

引用此论文的 Space 0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.15035 以从该页面链接。

包含此论文的收藏 0

无收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）以从该页面链接。