UPLOTS:一个扩散模型按场景提示生成多数据集时间序列
flosalim · x · 2026-09-24
作者团队提出 UPLOTS,挑战合成时间序列生成「一个数据集训一个模型」的碎片化做法。
- 核心思路:训练一个共享扩散生成器,由预训练 transformer 引导,通过场景提示(scenario prompt)控制输出。
- 使用方式:在提示中指定支持的数据集(如交通、能源负荷)与场景(早高峰、晚高峰、高波动),同一联合训练模型即可从对应学到的分布采样。
- 收益:无需为每个新数据集或场景单独训练维护模型,切换场景只是换提示输入,不再需要重新训练。
这一方法把场景选择变成生成器的显式输入,降低了时间序列合成在多领域应用中的工程成本。
「研究」频道最新
- 开源复现缺的不是算法是数据：HF 集合整理 Jev 训练评测数据集 — vanstriendaniel · 2026-09-24
- 抛硬币测试暴露 LLM 校准缺陷:模型学不会「不知道」 — airesearch12 · 2026-09-24
- 研究：专家预测 AI 达顶尖病毒学家水平要 2030 年，实际提前 5 年 — davidmanheim · 2026-09-24
- 自研多向量检索模型大幅领先 API 密集检索器,作者求问记忆检索方案 — bo_wangbo · 2026-09-24
- OmniVChat 数据集登上 HuggingFace 热榜：中英双语视频对话 — Harland · 2026-09-24
- Uranus：扩散模型驱动的具身 AI 仿真器，24 FPS 流式开放式 rollout — D-Robotics · 2026-09-24