Skip to content
Hot eventLive

时间序列基础模型的尺度不变训练方法ScaleIn

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 7
2026年10月7日，arXiv发表研究提出ScaleIn，修正ReVIN的尺度污染训练问题，使梯度对训练序列独立缩放保持不变。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. 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。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.