面向系统辨识的上下文学习概率元模型论文发布

Matteo Rufolo 等发布论文（arXiv:2610.13411），提出一种用于系统辨识的概率元模型架构：基于 Transformer 的编码器—解码器直接从训练数据和查询输入预测输出，支持长序列与长预测时域的校准预测。 预训练后的元模型还可作为具备不确定性感知的数据生成器，在真实数据稀缺时生成任务特定数据以正则化参数模型。 基于论文摘要，作者在标准非线性系统辨识基准和一个分布外场景中报告了与最先进方法相当的精度及较强泛化能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。