Causal Analysis for Time Series Foundation Models
Cet article propose un cadre d'analyse causale pour identifier les biais et les modes de défaillance des modèles de fondation de séries temporelles tels que Chronos-2 et TimesFM-2.5 en intervenant sur des générateurs de données synthétiques, révélant des vulnérabilités spécifiques telles que la surestimation de la persistance et les échecs de changement de régime qui découlent probablement des limitations des données de préentraînement.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.