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
港理工大学吴波与中国空间技术研究院北京卫星环境工程研究所研究员董杰等合作，研究认为火星表面发现的沉积矿床或来 近日，在瑞典斯德哥尔摩召开的第62届国际先进材料大会波罗的海系列会议上，国际先进材料协会（IAAM）为中国科学院大学长聘教授 2024年11月13日，江苏省宿迁市公安局宿城分局府苑派出所组织民警走进辖区学校开展法治宣讲活动。民警通过案例讲解、互动问答等方式，向学生们宣传防网络诈骗、防校园欺凌、防网络谣言、防毒禁毒 本报北京11月6日讯（记者 林焕新）今天，教育部党组书记、部长怀进鹏调研中国石油大学（北京）、中央财经大学，了解学校服务国家战略、培养拔尖创新人才、科学研究、学科建设、国际交流合作等情况。 中国教育报-中国教育新闻网讯（记者 董鲁皖龙）11月10日，由浙江大学医学院、浙江大学“一带一路”国际医学院共同主办的2024求是医学教育论坛在杭州召开。本届论坛以“AI赋能医学教育”为主题，国内 中国教育报-中国教育新闻网讯（通讯员 吴伟锋 林志荣 黄紫耀 记者 龙超凡）近日，2024中国·海峡“妈祖杯”鞋类设计大赛决赛在湄洲湾职业技术学院举行。来自上海欧基亚贸易有限公司的杨洋、耿克峰 。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