arXiv · cs.AI· Van Dai Do, Huu Hiep Nguyen, Minh Hoang Nguyen, Manh Nguyen, Hung Le·· 5 小时前
LOTUS通过预测 grounding 提升时间序列语言模型预训练性能
Lotus: Learning to Understand Time-series by Learning to Forecast
arXiv:2610.18877v1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：Van Dai Do, Huu Hiep Nguyen, Minh Hoang Nguyen, Manh Nguyen, Hung Le
研究任务与主要进展
LOTUS提出“forecast grounding”预训练原则，使时间序列语言模型在适配下游任务前预测未来演化。方法将时间序列通道切分为不重叠 patch 映射到 LLM embedding space，并用时间序列 token 的隐藏状态预测下一个 patch；同时结合原始 patch 与频谱表示。
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