Causal Analysis for Time Series Foundation Models
Dieses Paper schlägt ein kausales Analyse-Framework vor, um durch Interventionen in synthetische Datengeneratoren Bias und Fehlermodi in Zeitreihen-Foundation-Modellen wie Chronos-2 und TimesFM-2.5 zu identifizieren, wobei spezifische Schwachstellen wie Persistenz-Überschätzung und Regime-Switch-Fehler aufgedeckt werden, die wahrscheinlich auf Limitationen der Pretraining-Daten zurückzuführen sind.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.