通过噪声注入增强现成LLM中的零样本时间序列预测Research#LLM🔬 Research|分析: 2026年1月10日 08:14•发布: 2025年12月23日 08:02•1分で読める•ArXiv分析这篇研究论文探讨了一种方法，以增强预训练大型语言模型 (LLM) 的零样本时间序列预测能力。该方法涉及注入噪声，以提高模型在不同时间序列数据集上的泛化能力。要点•研究使用噪声注入来改善 LLM 的时间序列预测。•旨在增强零样本能力，这意味着模型可以预测它以前从未见过的时间序列。•这似乎是一种改进 LLM 在特定类型任务上表现的新方法。引用 / 来源查看原文"The paper focuses on enhancing zero-shot time series forecasting."AArXiv2025年12月23日 08:02* 根据版权法第32条进行合法引用。较旧Accelerating Multi-hop Reasoning with Early Knowledge Alignment较新Exploring Nuclear Transmutation with Heavy-Ion Colliders相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv