arXiv · cs.AI· Xinjie Lan, Yunbo Mei, Leheng Zhou, Hao Qi·· 5 小时前
BTA通过贝叶斯时间感知注意力改进非平稳长时序预测
Beyond Static Positional Encoding: Bayesian Time-aware Attention for Non-Stationary Long-term Time Series Forecasting
arXiv:2610.19603v1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：Xinjie Lan, Yunbo Mei, Leheng Zhou, Hao Qi
研究任务与主要进展
作者提出贝叶斯时间感知注意力 BTA，通过 MoE 路由器自适应组合时间核，生成随输入和注意力头变化的位置偏置，用于长时序预测。基于论文摘要，BTA 在多个 Transformer 骨干和标准 LTSF 基准上持续改善预测性能，整体具有竞争力，且计算开销和训练过程保持稳定。
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