Causal Analysis for Time Series Foundation Models
Dit artikel stelt een causaal analyseframework voor om biases en faalmodi in tijdreeks-fundamentele modellen zoals Chronos-2 en TimesFM-2.5 te identificeren door te interveniëren op synthetische datageneratoren, waarbij specifieke kwetsbaarheden zoals overschatting van persistentie en regime-switch-fouten worden onthuld die waarschijnlijk voortkomen uit beperkingen in de pretraining-data.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.