arXiv · cs.AI· Shengnan Guo, Jinjun Cheng, Xiaowei Mao, Jianhao Zhang, Haochen Lv, Yang Jiang, YiHeng Huang, Yan Lin, Youfang Lin, Huaiyu Wan·· 5 小时前
VaryST：面向开放环境变化的时空预测泛化模型
VaryST: Generalizable Spatio-Temporal Forecasting Beyond the Closed-World Setting
arXiv:2610.19813v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shengnan Guo, Jinjun Cheng, Xiaowei Mao, Jianhao Zhang, Haochen Lv, Yang Jiang, YiHeng Huang, Yan Lin, Youfang Lin, Huaiyu Wan
研究任务与主要进展
研究提出从零训练的紧凑型时空预测模型 VaryST，通过动态构建预测上下文提升模型在空间变化、时间分布变化和观测条件变化下的泛化能力。基于论文摘要，VaryST在6个真实数据集上与17个基线比较，在域内预测以及空间、时间变化下的零样本和少样本泛化方面取得较好结果，并对不同观测可用性保持鲁棒性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org