arXiv · cs.AI · Vladyslav Moroshan, Julien Siems, Arber Zela, Timur Carstensen, Frank Hutter · 9 小时前模型评分39
TempoPFN：仅用合成数据预训练线性 RNN 的零样本时间序列预测模型
TempoPFN: Synthetic Pre-training of Linear RNNs for Zero-shot Time Series Forecasting
导读
TempoPFN 是一个仅用合成数据预训练的单变量时间序列基础模型，基于线性循环神经网络（RNN，Recurrent Neural Network）和 GatedDeltaProduct 架构，训练可完全并行化。在 Gift-Eval、fev-bench 和 Chronos-ZS 的零样本评测中，它达到顶级水平，超过多数用真实数据训练的模型。团队开源了完整数据生成流程和训练代码。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “This paper presents TempoPFN, a univariate time series foundation model based on linear Recurrent Neural Networks (RNNs) pre-trained exclusively on synthetic data.”
- “We open-source our complete data generation pipeline and training code, providing a reproducible foundation for future research.”
来源：arXiv · cs.AI · arxiv.org