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
新闻网讯（通讯员周旭）北京时间11月8日，Science在线发表了武汉大学化学与分子科学学院汪成教授团队关于超高比表面共价有机 ? 11月8日，新疆和田学院揭牌仪式在科技路校区涵德楼报告厅举行。自治区人民政府副主席凯赛尔·阿不都克热 2024年11月7日，全省科学技术奖励大会在南京召开，隆重表彰2023年度江苏省科学技术奖获奖单位（集体）、企业和个人。省委书记信 近日，教育部携手中央广播电视总台聚焦学生心理健康主题共同发布《关注篇》公益广告，这是扎实落实教育部等十七部门联合印发的《全面加强和改进新时代学生心理健康工作专项行动计划（2023—2025年）》的重要举措。 建 中国教育报-中国教育新闻网讯（记者 甘甜）为加快推进《教育部 江西省人民政府战略合作协议》关于部省共建高水平职业技术师范大学任务落地，11月9日，建设高水平职业技术师范大学工作会在南昌召开。 摘要：中华民族共同体意识培养是涵养家国情怀的重要内容，统编版高中历史教科书在编写中也突出了民族团结主题。在高中历史课堂教学中渗透中华民族共同体意识有利于培育学生的家国情怀，落实立德树 。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