مدلهای پایه (Foundation Models) در پیشبینی سریهای زمانی عالی هستند، اما یک مشکل بزرگ دارند: وقتی خروجی تولید میکنند، تغییر دادن یا اصلاح آنها بر اساس نظرات کارشناسان دشوار است.
محققان برای حل این چالش، فریمورک جدیدی به نام DEFT را معرفی کردهاند. این روش هوشمندانه با ترکیب «بهترینهای مدل» و «اصلاحات جزءبهجزء»، اجازه میدهد تا با کمترین تعداد پرسوجو از کارشناس انسانی، دقیقترین پیشبینیها را داشته باشیم.
این مدل با تفکیک دادهها به بخشهای روندی و فصلی، انقلابی در بهینهسازی پیشبینیهای مالی و علمی ایجاد کرده است. ✨
منبع: arXiv Machine Learning