כתבה
arXiv cs.LG ·
Aurora-X: פיתוח לזמנים קיצוניים של צפיות סדרה זמנית
Aurora-X: Built for Extreme Time Series Forecasting
Aurora-X היא דגם גדול-היקף של TSFM שפותח לצפיות סדרה זמנית קיצוניות. הדגם תומך בצפיות סדרה זמנית רב-משתנה, ומאפשר צפיות סדרה זמנית סבירותיות.
תקציר מקורי באנגליתarXiv:2609.31038v1 Announce Type: new Abstract: Time series foundation models (TSFMs) enable cross-domain forecasting, but their development as general-purpose forecasters remains constrained by underexplored training potential and limited architectural versatility. To address these challenges, we introduce Aurora-X, a billion-scale TSFM with a progressive curriculum and a unified architecture. We first use channel-independent pretraining to learn temporal patterns, then introduce cross-variable dependencies, varied context and horizon lengths, and future covariates if available during midtraining. Variable-resolution post-training further enables an adjustable temporal span per token at inference. With fixed model weights, this supports longer histories under a fixed token budget or fewer
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית