QiYao-I
面向不规则多元时间序列预测的流形基础模型，通过采样条件化时间流形注意力机制和频率感知动态变量交互，处理不规则采样和异步记录的时序数据，支持零样本和少样本迁移
时间轴 (近 90 天)
QiYao-I 是一款面向不规则多元时间序列预测的基于流形（manifold）的基础模型
QiYao-I 提出了采样条件化时间流形注意力机制，将真实时间戳映射到可学习的时间流形特征空间，并将时间流形偏置注入注意力层
QiYao-I 的时间流形注意力机制能够同时捕捉不规则时间间隔和局部采样结构两类信息
QiYao-I 提出了具备频率感知能力的动态变量交互机制，有选择地执行跨变量消息传递以避免在缺乏同步观测时产生虚假的跨变量关联
QiYao-I 在多个真实世界不规则多元预测基准上的实验中，相较时间序列基础模型和端到端不规则预测模型均取得更优表现
QiYao-I 在 zero-shot（零样本）和 few-shot（少样本）设定下展现出强泛化能力
QiYao-I 作为新发布的预印本，在更大规模部署、计算成本及不同领域的稳健性方面仍有待后续验证
全部知识事实 (7)
QiYao-I 是一款面向不规则多元时间序列预测的基于流形（manifold）的基础模型
50%待验证QiYao-I 提出了采样条件化时间流形注意力机制，将真实时间戳映射到可学习的时间流形特征空间，并将时间流形偏置注入注意力层
50%待验证QiYao-I 的时间流形注意力机制能够同时捕捉不规则时间间隔和局部采样结构两类信息
50%待验证QiYao-I 提出了具备频率感知能力的动态变量交互机制，有选择地执行跨变量消息传递以避免在缺乏同步观测时产生虚假的跨变量关联
50%待验证QiYao-I 在多个真实世界不规则多元预测基准上的实验中，相较时间序列基础模型和端到端不规则预测模型均取得更优表现
50%待验证QiYao-I 在 zero-shot（零样本）和 few-shot（少样本）设定下展现出强泛化能力
50%待验证QiYao-I 作为新发布的预印本，在更大规模部署、计算成本及不同领域的稳健性方面仍有待后续验证
50%