标签
这篇学术论文挑战了长上下文缩放在时间序列预测中的有效性，证明基于检索的方法优于 PatchTST 等标准架构以及 Chronos 和 Moirai 等基础模型。
本文提出了 Gated QKAN-FWP，这是一个可扩展的量子启发序列学习框架，它通过单量子比特数据重新加载电路，将快速权重程序员（Fast Weight Programmers）与柯尔莫哥洛夫-阿诺德网络（Kolmogorov-Arnold Networks）相结合。
本文提出了一种端到端的流水线，用于识别和预测墨西哥汽车行业在线招聘广告中的绿色技能需求。通过对15种时间序列预测模型进行基准测试，研究发现以Transformer为基础的模型（如FEDformer和Informer）表现最佳，并引入了一个二维框架，根据增长动态对技能进行分类。
Kronos 是一种针对金融 K 线数据的新基座模型，它采用专用分词器和自回归预训练，在预测和合成数据生成方面优于现有模型。