FlexCast
一种时间序列基础模型框架,将预测任务重构为对时间序列片段的变长掩码预测,解耦自回归的三个纠缠因素(上下文条件、预测单元分解、自回归rollout),支持一步预测、迭代细化和下一token生成等多种推理模式。
时间轴 (近 90 天)
FlexCast 框架通过解耦自回归训练中的变量上下文条件、预测单元分解和自回归 rollout 三个因素,提出顺序解码并非性能关键,灵活的训练分布才是性能来源。
FlexCast 将预测任务重构为对时间序列片段的变长掩码预测,在预训练阶段动态采样可见上下文与掩码目标片段,无需依赖顺序解码。
FlexCast 在推理阶段通过统一的掩码-预测接口支持三种模式:一步预测、基于置信度的迭代细化,以及下一 token 风格的生成。
FlexCast 的变长掩码预测中,每次预训练随机选择若干连续片段作为预测目标,其余片段作为可见上下文,且掩码长度和位置均动态变化。
FlexCast 的消融实验显示,连续目标掩码与上下文多样性共同构成了性能提升的主要来源。
在 BLAST 及多个零样本基准上的评估显示,FlexCast 的准确率与强 TSFM 基线相当甚至更优,同时推理延迟显著降低。
一旦模型学会了灵活的上下文-目标关系,从左到右的解码并不能带来一致增益。
FlexCast 的研究代码已开源于 GitHub,仓库地址为 BenchCouncil/FlexCast。
全部知识事实 (8)
FlexCast 框架通过解耦自回归训练中的变量上下文条件、预测单元分解和自回归 rollout 三个因素,提出顺序解码并非性能关键,灵活的训练分布才是性能来源。
50%待验证FlexCast 将预测任务重构为对时间序列片段的变长掩码预测,在预训练阶段动态采样可见上下文与掩码目标片段,无需依赖顺序解码。
50%待验证FlexCast 在推理阶段通过统一的掩码-预测接口支持三种模式:一步预测、基于置信度的迭代细化,以及下一 token 风格的生成。
50%待验证FlexCast 的变长掩码预测中,每次预训练随机选择若干连续片段作为预测目标,其余片段作为可见上下文,且掩码长度和位置均动态变化。
50%待验证FlexCast 的消融实验显示,连续目标掩码与上下文多样性共同构成了性能提升的主要来源。
50%待验证在 BLAST 及多个零样本基准上的评估显示,FlexCast 的准确率与强 TSFM 基线相当甚至更优,同时推理延迟显著降低。
50%待验证一旦模型学会了灵活的上下文-目标关系,从左到右的解码并不能带来一致增益。
50%待验证FlexCast 的研究代码已开源于 GitHub,仓库地址为 BenchCouncil/FlexCast。
50%