arXiv · cs.AI· Ignacy Stepka, Willa Potosnak, Kin G. Olivares, Artur Dubrawski·· 2 天前
ScaleIn通过缩放目标损失实现时间序列基础模型的尺度不变训练
Scale-Invariant Training for Time Series Foundation Models
arXiv:2610.07324v1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：Ignacy Stepka, Willa Potosnak, Kin G. Olivares, Artur Dubrawski
研究任务与主要进展
Stepka等人提出ScaleIn，将时间序列基础模型的训练损失改为在归一化目标上计算，并在特定缩放等变性和齐次损失条件下保持优化轨迹对序列尺度不变。
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