arXiv stat.ML· Hao-Nan Shi, Tong Wu, Chen-Cong Sun, Yuan Jiang, Han-Jia Ye, De-Chuan Zhan·· 2026-10-02AI 评分33
RACE：用于邻域丰富时间序列基础模型预测的残差感知测试时自适应
RACE: Residual-Aware Test-Time Adaptation for Neighbor-Rich Time-Series Foundation Model Forecasting
AI 导读
研究人员提出两阶段时间序列预测框架 RACE，无需修改模型骨干即可在测试时利用历史邻域序列进行残差修正。框架先对齐并聚合邻域残差以生成免训练修正 RACE-TF，再通过轻量领域 Gate 判定修正时机。在 4 个 TSFM 上的实验显示其指标全面提升，且 Gate 无需微调即可跨骨干迁移，在全部 72 项跨骨干对比中均优于冻结基线。
来源：arXiv stat.ML · arxiv.org