ノイズ注入によるオフザシェルフLLMにおけるゼロショット時系列予測の改善Research#LLM🔬 Research|分析: 2026年1月10日 08:14•公開: 2025年12月23日 08:02•1分で読める•ArXiv分析この研究論文は、事前学習済みの大規模言語モデル（LLM）のゼロショット時系列予測能力を向上させる方法を探求しています。このアプローチは、異なる時系列データセット全体でモデルの汎化能力を向上させるために、ノイズを注入することを含みます。重要ポイント•LLMを用いた時系列予測を改善するためのノイズ注入の使用を調査。•モデルがこれまでに見たことのない時系列を予測できるようにする、ゼロショット能力の強化を目指しています。•特定のタイプのタスクにおけるLLMのパフォーマンスを向上させるための新しいアプローチのようです。引用・出典原文を見る"The paper focuses on enhancing zero-shot time series forecasting."AArXiv2025年12月23日 08:02* 著作権法第32条に基づく適法な引用です。古い記事Accelerating Multi-hop Reasoning with Early Knowledge Alignment新しい記事Exploring Nuclear Transmutation with Heavy-Ion Colliders関連分析Research人間によるAI検出2026年1月4日 05:47Research深層学習の実装に焦点を当てた書籍2026年1月4日 05:49ResearchGeminiのパーソナライズ2026年1月4日 05:49原文: ArXiv