論文の概要: Metric-Aware Hybrid Forecasting for the CTF4Science Lorenz Challenge

• arxiv url: http://arxiv.org/abs/2606.04191v1
• Date: Tue, 02 Jun 2026 20:20:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.369554
• Title: Metric-Aware Hybrid Forecasting for the CTF4Science Lorenz Challenge
• Title（参考訳）: CTF4Science Lorenz Challengeのためのメトリック・アウェアハイブリッド予測
• Authors: Cen Lu,
• Abstract要約: CTF4Science Lorenz Challengeに対する我々のアプローチは、短期水平予測、長期分布マッチング、および9つのタスクペア間の軌道再構成を混合したベンチマークである。 メカニカル・アウェア・ハイブリッドシステムを構築し,各メカニカル・ファミリーに異なる予測器を割り当てた。 このシステムファミリーの代表的な成熟した応募者は、公衆のリーダーボードで83.83551点を獲得し、同じアイデアの小さなフォローアップスタックは83.85529点に達した。
• 参考スコア（独自算出の注目度）: 0.6655749439594806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We describe our approach to the CTF4Science Lorenz challenge, a benchmark that mixes short-horizon forecasting, long-time distribution matching, and trajectory reconstruction across nine task pairs. The key discovery is that no single model family dominated all metrics. Instead, we built a metric-aware hybrid system that assigned a different predictor to each metric family: (1) synthetic-pretrained denoisers for full-trajectory reconstruction, (2) Lorenz ODE fitting and trajectory shooting for the first 20 forecast steps, and (3) histogram-tail substitution using synthetic Lorenz libraries for long-time evaluation. A representative mature submission from this system family scored 83.83551 on the public leaderboard, and a small follow-up stack of the same ideas reached 83.85529. We focus on the cleaner intermediate system because it captures the full method while remaining simple enough to reproduce and analyze, while the final submission can be understood as a conservative extension of the same backbone.
• Abstract（参考訳）: CTF4Science Lorenz Challengeに対する我々のアプローチは、短期水平予測、長期分布マッチング、および9つのタスクペア間の軌道再構成を混合したベンチマークである。 重要な発見は、単一のモデルファミリがすべてのメトリクスを支配していないことである。 そこで本研究では,(1)全軌道再構成のための合成プレトレーニングドデノイザ,(2)第1次予測ステップにおけるロレンツODEの装着と軌道撮影,(3)長期評価のための合成ロレンツライブラリーを用いたヒストグラムテール置換という,各計量系に異なる予測器を割り当てるメカニカル・アウェアハイブリッドシステムを構築した。 このシステムファミリーの代表的な成熟した応募者は、公衆のリーダーボードで83.83551点を獲得し、同じアイデアの小さなフォローアップスタックは83.85529点に達した。 再現・解析に十分な単純さを保ちながら全メソッドをキャプチャし、最終的な提案は、同じバックボーンの保守的な拡張と解釈できるため、よりクリーンな中間システムに注力する。

関連論文リスト

• Model discovery for dynamical systems with complex-valued product units [0.0]
  複雑な価値を持つ製品ユニットネットワークに基づくモデル発見のためのデータ駆動型アプローチを提案する。 最初の3つのシステムに対する試行の90%と、分数的なケースに対する試行の70～90%で、正確な支配方程式を復元する。 このモデルでは,信号振幅範囲の約12～14%のRMSEをトレーニング間隔の3倍長として,予測誤差が有界な安定軌跡を作成した。
  論文  参考訳（メタデータ） (2026-05-26T15:18:47Z)
• Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training [56.323119575322146]
  Extra-Mergeは、GPT-2およびLLaMAファミリーにわたる実験において、標準のマージベースラインを一貫して上回っている。 Pythia-12B下流のタスクに対して一貫したゼロショット精度のゲインを与え、Muon citepjordan2024muonに効果的に一般化する。
  論文  参考訳（メタデータ） (2026-05-26T02:48:34Z)
• ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning [0.0]
  ARCSは、検索ベースの手法で必要とされる分ではなく、完全なSPICEシミュラブルな設計をミリ秒で生成する。 単モデル推論では、ベストオブ3候補選択を備えたトポロジ対応グラフ変換器が97msで85%のシミュレーション精度に達し、ランダム検索より600倍以上高速である。
  論文  参考訳（メタデータ） (2026-03-30T23:14:08Z)
• Cascade-Aware Multi-Agent Routing: Spatio-Temporal Sidecars and Geometry-Switching [0.0]
  スケジューラは負荷とフィットネスを最適化するが、木のようなグラフとサイクリックグラフで障害がどのように伝搬するかのモデルがない。 我々は、この観測可能性ギャップをオンライン幾何学制御問題として定式化する。 時空サイドカーは、どの幾何学が現在のトポロジーに適合するかを予測する。
  論文  参考訳（メタデータ） (2026-03-17T20:10:16Z)
• On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral [59.14787085809595]
  この障害を引き起こす中核的なメカニズムとしてLazy Likelihood Displacement(LLD)を同定する。 LDDは早期に出現し、自己強化性LDDデススパイラル(LDD Death Spiral)を引き起こす。 本稿では,GRPO のための軽量な確率保存正則化 LLDS を提案する。
  論文  参考訳（メタデータ） (2025-12-03T19:41:15Z)
• Every Step Evolves: Scaling Reinforcement Learning for Trillion-Scale Thinking Model [100.86587937568832]
  Ring-1Tは、数兆のパラメータを持つ最初のオープンソースの最先端の思考モデルである。 総パラメータは1兆で、1トークンあたり約500億を活性化する。
  論文  参考訳（メタデータ） (2025-10-21T17:46:14Z)
• FourCastNet 3: A geometric approach to probabilistic machine-learning weather forecasting at scale [91.84761739154366]
  FourCastNet 3は、確率的アンサンブル予測にスケーラブルで幾何学的な機械学習(ML)アプローチを実装することで、グローバルな気象モデリングを推進している。 FourCastNet 3は、従来のアンサンブルモデルを上回る予測精度を提供し、最良の拡散ベースのメソッドに匹敵する。 その計算効率、中距離確率的スキル、スペクトルの忠実度、およびサブシーズンタイムスケールでのロールアウト安定性は、大規模なアンサンブル予測を通じて気象予知と早期警報システムを改善するための強力な候補となる。
  論文  参考訳（メタデータ） (2025-07-16T11:22:18Z)
• FRIREN: Beyond Trajectories -- A Spectral Lens on Time [1.5939955861266883]
  長期時系列予測モデルは、ドメインにまたがって適用可能な汎用的なソリューションとしてしばしば提示される。 幾何学的構造は動的に依存しない基礎モデルの正しい抽象化であると主張する。 現代の生成フローと古典的なスペクトル分析を結びつけることで、FRIRENは正確かつ解釈可能な長期的な予測を行う。
  論文  参考訳（メタデータ） (2025-05-23T00:52:13Z)
• A Dynamical System View of Langevin-Based Non-Convex Sampling [44.002384711340966]
  非サンプリングは機械学習における重要な課題であり、ディープラーニングにおける非レート最適化の中心であり、その重要性を近似する。 既存の保証は通常、より望ましい最終段階の反復よりも平均距離のみを保持する。 我々は、理論システムからいくつかのツールを活用することにより、上記の問題を解消する新しいフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-10-25T09:43:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。