TempoPFN 用合成数据预训练线性 RNN，零样本时序预测登 NeurIPS
Yossarian_1234 · reddit · 2026-10-19
TempoPFN 论文提出用一套合成时间序列生成器与增广库，来预训练时间序列基础模型（其案例为线性 RNN），实现零样本预测。
- 方法：构建多种合成数据生成器与增广管线（混合、噪声、量化、缩放、卷积、NaN 处理等），完全不需要真实数据预训练
- 结果：在 GIFT-Eval 基准上，纯合成数据训练的 MASE 达 0.533，优于 TabPFN-TS（0.544）与 Chronos Bolt（0.574）
- 影响：该合成数据管线已被 Toto-2 和 TS-ICL 采用
- 接收：NeurIPS 2026
「研究」频道最新
- 研究员 Aran Nayebi 拆解意识研究论文：数据并未排除稳定意识态 — aran_nayebi · 2026-10-19
- H-CDLM：让连续扩散语言模型分层去噪，更少算力生成更好 — sedielem · 2026-10-19
- 斯坦福教授力挺 AI 参与同行评审：三名审稿人敌不过千人众智 — anshulkundaje · 2026-10-19
- Doris Tsao 团队公开征询同行评议：绕过期刊直接开放 bioRxiv 评论 — anshulkundaje · 2026-10-19
- Amazon 等研发全身灵巧技能，Unitree G1 搬箱成功率 90% — CyberRobooo · 2026-10-19
- 研究者：模型开源程度与 benchmark 饱和无相关性 — evijit · 2026-10-19