PaP-NF: Previsione probabilistica di serie temporali con LLM e Flussi Normalizzanti
Un team di ricercatori ha introdotto PaP-NF, un framework di previsione probabilistica che integra serie temporali continue con un modello linguistico di grandi dimensioni (LLM) statico attraverso un approccio Prefix-as-Prompt. Questo framework condiziona anche un decoder a flusso normalizzante basato sul contesto globale fornito dall'LLM. La sua efficacia viene valutata utilizzando il Continuous Ranked Probability Score (CRPS) su vari benchmark di previsione a lungo termine, dimostrando una forte capacità di rappresentare accuratamente l'incertezza.
Fatti principali
- PaP-NF utilizza un meccanismo Prefix-as-Prompt per allineare le serie temporali con un LLM congelato.
- Un decoder a flusso normalizzante è condizionato dal contesto globale dell'LLM.
- La valutazione utilizza il CRPS, una metrica standard per la previsione probabilistica.
- Testato su molteplici benchmark di previsione a lungo termine.
- Affronta le limitazioni dei modelli deterministici in ambienti incerti.
- Proposto dagli autori su arXiv (2605.23219).
- Si concentra su previsioni probabilistiche anziché su previsioni puntuali singole.
- Mira a quantificare e rappresentare l'incertezza nelle previsioni.
Entità
Istituzioni
- arXiv