热点事件持续更新
时间序列基础模型的尺度不变训练方法ScaleIn
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv Machine Learning Theory（一手来源）发表研究，提出时间序列基础模型的尺度不变训练方法ScaleIn。研究指出，可逆实例归一化（ReVIN）在计算损失前进行反变换，会导致尺度污染训练（ScaleCon）问题，使训练过程对序列尺度变化敏感。ScaleIn通过修正这一反变换环节，使梯度对训练序列的独立缩放保持不变，从而提升模型对不同尺度输入的鲁棒性。该研究目前仅见这一篇报道，尚未披露实验数据、代码或后续验证信息。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Machine Learning Theory时间序列基础模型的尺度不变训练
研究提出尺度不变训练（ScaleIn），修正可逆实例归一化（ReVIN）在计算损失前反变换导致的尺度污染训练（ScaleCon）问题，使梯度对训练序列的独立缩放保持不变。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。