近期，中国科学院软件研究所研究团队为提升大语言模型时间序列预测性能，提出了向量注入式上下文学习框架。该框架能够稳定提升时间序列预测性能，并可以降低计算开销。
大语言模型进行时间序列预测时面临一项主要挑战——预训练文本与时间序列数据在分布与结构上存在差异。传统方法采用全量微调来减少这种差异，但其训练成本高、显存占用大，限制了实际应用。
研究团队提出引入上下文学习的方法LVICL。该方法通过在输入提示中引入任务示例，使模型无需更新参数即可实现“类似微调”的效果。为提升上下文学习对示例选择与顺序敏感的不稳定问题，该方法提取示例的向量表示，并以置换不变的方法进行聚合，从而消除顺序敏感性；采用轻量适配器对聚合后的上下文向量进行精练，抑制其中可能干扰预测的分量，增强对示例选择的鲁棒性；将优化后的向量注入到大语言模型各层的残差流中，以可控方式引导模型进行预测。
研究团队在多个时间序列预测基准数据集上对LVICL进行系统评估。实验表明，LVICL在保持大语言模型完全冻结、训练开销降低的前提下，能够稳定复现并进一步放大上下文学习带来的收益。与轻量微调方法相比，LVICL在多种数据集与实验设置下均表现出更强的预测能力，并在效率与性能的平衡上展现出更好的实用性。
相关论文被互联网领域顶级国际学术会议The Web Conference 2026（WWW-26）录用。
论文链接
LVICL总体框架
中国工程院院士、北京理工大学教授张军团队首创片上光谱复用感知架构，自主研制了全球首款百通道百万像素高光谱实时成像 11月9日，中国农业大学召开研究生教育工作会，全面回顾学校研究生院建院40周年来研究生教育事业的发展历程和主要成就，全 工业菌种是生物制造的重要竞争力。研究微生物底盘并发现与目标产品生产相关的高效功能元件是工业菌种领域的研究热点。谷氨酸棒杆菌是氨基酸工业生产的主力菌。而谷氨酸棒杆菌基因组约50%的基因功能尚不明晰，功 “努力培养更多高素质新闻传播人才，为党的宣传思想文化事业发展作出新的贡献”。在中国传媒大学建校70周年之际，习近平总书记给学校全体师生回信，向全校师生员工、广大校友致以祝贺和问候，寄以期待与厚望。 殷殷关 在“我来北京上大学”2024年残疾人大学生分享会上，来自清华大学、北京邮电大学、中国传媒大学、中央音乐学院等高校的6名残疾人大学生，分享了他们各自充满挑战且鼓舞人心的成长历程，弘扬了 2021年，广西壮族自治区柳州市绘就教育共同体建设的画卷落下第一笔。三年来，柳州积极推动城市优质教育资源辐射乡村和薄弱地区常态化。2024年，柳州累计建成教育共同体52个，覆盖中小学、幼儿园共17 。本文链接：研究提出新型时间序列预测框架http://www.sushuapos.com/show-12-2556-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 量子电路优化研究获进展
下一篇： 可持续超润滑水凝胶研究获进展