Time-o1 时间序列预测损失函数论文发布
热点事件持续更新
Time-o1 时间序列预测损失函数论文发布
1 篇报道1 个报道来源9 小时前更新
先了解这件事
报道摘要
针对时间序列预测中时序均方误差忽略标签自相关、任务数量过多的问题，研究者提出变换增强损失函数 Time-o1，将标签序列变换为去相关且显著性可区分的分量，让模型对齐最显著分量。实验显示 Time-o1 达到 SOTA 性能，并兼容多种预测模型，代码已开源，该工作被 NeurIPS 2025 接收为 poster。
摘自 arXiv cs.AI
最新进展10月7日 12:00
Time-o1：时间序列预测需要变换后的标签对齐报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.AITime-o1：时间序列预测需要变换后的标签对齐
针对时间序列预测中时序均方误差忽略标签自相关、任务数量过多的问题，研究者提出变换增强损失函数 Time-o1，将标签序列变换为去相关且显著性可区分的分量，让模型对齐最显著分量。实验显示 Time-o1 达到 SOTA 性能，并兼容多种预测模型，代码已开源，该工作被 NeurIPS 2025 接收为 poster。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。