論文の概要: SteerCast: Retrieval-Based Latent Steering for Decoder-Only Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2610.11229v1
• Date: Thu, 08 Oct 2026 04:30:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.803432
• Title: SteerCast: Retrieval-Based Latent Steering for Decoder-Only Time Series Forecasting
• Title（参考訳）: SteerCast:Decoder専用の時系列予測のための検索ベースの遅延ステアリング
• Abstract要約: SteerCastは、推論時にデコーダのみの予測器を改善する検索ベースの潜在ステアリング手法である。 SteerCastは、微調整されたバックボーンと検索ベースのベースラインの予測精度を一貫して改善する。
• 参考スコア（独自算出の注目度）: 5.756057676064098
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Time series forecasting aims to predict future values from historical observations and auxiliary features. We propose \textbf{SteerCast}, a retrieval-based latent steering method that improves decoder-only forecaster at inference time, without updating its parameters. SteerCast constructs a database from the training set by storing a representation of each history window together with a \emph{steering vector} computed in the forecaster's latent space, defined as the difference between representations induced by the ground-truth continuation and by the model's own prediction. At test time, SteerCast retrieves nearest neighbors for a query history, aggregates their steering vectors, and injects the resulting signal into the forecaster's hidden states at every step of autoregressive generation, guiding predictions toward trajectories consistent with similar training cases. Experiments across diverse multivariate benchmarks and multiple horizons show that SteerCast consistently improves forecasting accuracy over the fine-tuned backbone and retrieval-based baselines, while requiring no additional training beyond the original fine-tuning and using only the training set as a retrieval corpus.
• Abstract（参考訳）: 時系列予測は、過去の観測と補助的な特徴から将来の価値を予測することを目的としている。 パラメータを更新することなく,デコーダのみの予測器を推論時に改善する検索ベースの潜時ステアリング手法である \textbf{SteerCast} を提案する。 SteerCast は、各履歴ウィンドウの表現を予測者の潜在空間で計算された \emph{steering vector} と共に格納することで、トレーニングセットからデータベースを構築する。 テスト時に、SteerCastはクエリ履歴に最も近い隣人を検索し、ステアリングベクターを集約し、結果の信号を自動回帰生成の各ステップで予測者の隠れた状態に注入し、同様のトレーニングケースと整合した軌道への予測を導く。 多様な多変量ベンチマークと複数の水平線による実験により、SteerCastは微調整されたバックボーンと検索ベースラインの予測精度を一貫して改善し、元の微調整以外の追加トレーニングは必要とせず、トレーニングセットのみを検索コーパスとして使用することが示された。

関連論文リスト

• ProtoFlow: Prototype-Guided Flow Matching for Multivariate Time Series Forecasting [69.1065375191878]
  本稿では,ベクトル量子化オートエンコーディングとプロトタイプ-プリアフローマッチングを組み合わせたベクトル量子化オートエンコーディングフレームワークを提案する。 提案手法は,多変量列を離散潜在空間にマッピングし,学習したコードブックから構造化後,最終的にDiTをベースとした補正流れを学習し,これより先から将来的な潜在表現へサンプルを輸送する。
  論文  参考訳（メタデータ） (2026-10-01T08:48:18Z)
• What Do Latent Predictive Vehicle Representations Retain? Measuring State, Geometry, and Local Response [0.5735035463793009]
  IPG CarMakerに記録された信号に基づいて学習した時間的共同埋め込み予測モデルについて検討した。 保持、予測、局所応答を別々に測定することは、予測潜在能力が制御の候補モデルとして適している。
  論文  参考訳（メタデータ） (2026-09-26T12:00:18Z)
• RATL: Learning from Retrieved Residuals for Robust Multivariate Time-Series Forecasting [5.438470957632042]
  本稿では,プラグイン残差検索およびフィードバック補正手法であるRATLを提案する。 RATLはベース予測器を凍結し、検索キーを構築し、その履歴予測残余をベースモデル固有の列車専用メモリに変換する。 実験により、過去の残余が現在の文脈と一致し、再利用可能な予測情報を含んでいることが示された。
  論文  参考訳（メタデータ） (2026-09-03T14:44:31Z)
• REER-PT: Reverse-Engineered Reasoning for Perplexity-Guided Pre-training Data Augmentation [64.84437332310516]
  我々は,Reverse-Engineered Reasoning (REER) を生の事前学習データに拡張するスケーラブルなフレームワークである textbfREER-PT を紹介する。 REER-PTは予測が難しいが、それ以前のコンテキストから推論できる継続を識別し、コンテキストと継続の間の欠落した接続を再構築する簡潔な推論アノテーションを挿入する。 このスパース変換は、ソーステキストを保存し、トレーニング前のオンライン推論ロールアウトを避けることで、標準的な次世代の予測と互換性を維持します。
  論文  参考訳（メタデータ） (2026-08-31T11:34:19Z)
• Factorize to Generalize: Retrieval-Guided Invariant-Dynamic Decomposition for Time Series Forecasting [64.2640656619583]
  時系列基礎モデル (TSFM) は, 大規模事前学習と検索強化予測により, ゼロショット予測性能が向上した。 本稿では時系列予測のための検索誘導不変動的分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-24T07:31:55Z)
• Forecasting with Guidance: Representation-Level Supervision for Time Series Forecasting [3.2225633549342088]
  本稿では,任意の予測アーキテクチャにシームレスに統合可能なプラグイン手法であるReGuiderを提案する。 トレーニング中、入力シーケンスは目標予測モデルと事前訓練されたモデルで処理される。 事前訓練されたモデルの出力を直接使用するのではなく、時間的・意味的な情報に富んだ中間埋め込みを抽出し、表現レベルの監視を通じて対象モデルのエンコーダ埋め込みと整合させる。
  論文  参考訳（メタデータ） (2026-03-25T12:54:01Z)
• Enhancing Foundation Models for Time Series Forecasting via Wavelet-based Tokenization [74.3339999119713]
  我々はウェーブレットベースのトークンーザを開発し、時間局所化周波数の空間でモデルが複雑な表現を直接学習できるようにする。 提案手法は,まず入力時系列をスケール・分解し,次に閾値を設定し,ウェーブレット係数を定量化し,最後に予測水平方向の係数を予測する自己回帰モデルを事前学習する。
  論文  参考訳（メタデータ） (2024-12-06T18:22:59Z)
• Timer-XL: Long-Context Transformers for Unified Time Series Forecasting [67.83502953961505]
  我々は時系列の統一予測のための因果変換器Timer-XLを提案する。 大規模な事前トレーニングに基づいて、Timer-XLは最先端のゼロショット性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T07:27:39Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• PromptCast: A New Prompt-based Learning Paradigm for Time Series Forecasting [11.670324826998968]
  既存の時系列予測手法では,数値列を入力とし,数値列を出力とする。 事前学習された言語基盤モデルの成功に触発されて、我々は新しい予測パラダイム、即時時系列予測を提案する。 この新たなタスクでは、数値入力と出力をプロンプトに変換し、予測タスクを文対文でフレーム化する。
  論文  参考訳（メタデータ） (2022-09-20T10:15:35Z)

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。