論文の概要: Compose the Horizon: Parameter-Shared Blockwise Forecasting under a Sequential-Compute Trade-off

• arxiv url: http://arxiv.org/abs/2610.24826v1
• Date: Sat, 17 Oct 2026 19:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 15:55:29.214762
• Title: Compose the Horizon: Parameter-Shared Blockwise Forecasting under a Sequential-Compute Trade-off
• Title（参考訳）: パラメータ共有ブロックワイド予測を逐次的トレードオフの下で構成する
• Abstract要約: コンパクト演算子は、連続した将来のブロックを出力するために再利用することができる。 各出力ブロックは、次のアプリケーションを条件とするローリングコンテキストに結合する。 RFDは24細胞中23細胞で低いテストエラーを記録している。
• 参考スコア（独自算出の注目度）: 4.699295909898567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most long-horizon forecasters emit the complete future in one pass. We ask whether a compact operator can instead be reused to emit contiguous future blocks, trading stored parameters for sequential computation. Recursive Functional Decomposition (RFD) factorizes the horizon mapping into three parameter-shared block predictions. The blocks occupy disjoint future intervals and are concatenated, not added as trend, seasonal, or residual components, and each emitted block joins the rolling context that conditions the next application. In controlled three-seed experiments, removing forward feedback hurts all four evaluated datasets while stopping gradients through it changes little, so the useful signal is the evolving forecast state itself; reapplying the shared operator helps consistently, but by less than widening it. The model uses 0.08--0.46M parameters, yet its sequential channel-wise execution is slower and more memory-intensive than an iterative baseline at high channel count. In a frozen long-context evaluation against ten strong baseline families, RFD records lower test error in 23 of 24 cells; the comparison is cross-protocol, with RFD using 512/720-step context and the baselines using 96.
• Abstract（参考訳）: ほとんどの長距離予報装置は、完全な未来を1回のパスで放出する。 我々は,コンパクトな演算子を再利用して連続した将来ブロックを出力し,逐次計算のために格納されたパラメータを交換できるかどうかを問う。 再帰関数分解(RFD)は、水平線を3つのパラメータ共有ブロック予測に分解する。 ブロックは結合しない将来の間隔を占有し、トレンド、季節、または残留コンポーネントとして追加されずに連結され、それぞれの出力されたブロックは次のアプリケーションで条件付けられたローリングコンテキストに結合する。 制御された3シードの実験では、フォワードフィードバックの除去は、4つの評価されたデータセット全てを傷つけ、グラデーションを停止しながらほとんど変化しないため、有用な信号は、進化する予測状態そのものである。 モデルは0.08--0.46Mパラメータを使用するが、シーケンシャルなチャネルワイズ実行は、高いチャネル数での反復ベースラインよりも遅く、メモリ集約的である。 RFDとRFDを512/720ステップのコンテキストで比較し,ベースラインを96。

関連論文リスト

• Rethinking the Roles of Diffusion and Decoding: Predictive-State Flows for Parallel Language Generation [12.46748794254694]
  連続拡散言語モデルでは、拡散先行によって生成される潜水剤はほとんど決定論的にトークンにマッピングされる。 ブロックにシーケンスを分割し、各ブロックを前回のコンテキストからのみ計算された予測状態に関連付ける予測状態フローを導入する。 この設計は、Lトークンレベル状態からKL予測状態への拡散を減少させ、L/Kへのトークンレベルシーケンシャル深さを減少させる。
  論文  参考訳（メタデータ） (2026-10-09T02:43:30Z)
• One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
  凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。 また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。 Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
  論文  参考訳（メタデータ） (2026-09-20T14:54:35Z)
• LoopVAE: Recurrent Depth Across Scales for Visual Tokenization [3.805468327504537]
  LoopVAEはスケールとループ条件のコアをスケール内で再利用する。 4ブロックコアはエンコーダまたはデコーダ毎に28ブロックアプリケーションを実行する。 同じ実行グラフを持つ非逆変換器アブレーションは、グローバルな共有の下で競合するPSNRとSSIMを見つける。
  論文  参考訳（メタデータ） (2026-09-10T13:20:03Z)
• Training Crossroads for Recurrent Vision Transformers: Recurrence, Neural ODEs, and Deep Supervision [2.1465474237525113]
  シングルブロックリカレントViT (bViT) は、1つの共有ブロックを繰り返し適用することで、この成長を除去する。 FLOPが主制約である場合、標準のVTは引き続き好ましいが、繰り返しのVTはメモリ制約下でのパラメータのトレードオフよりも精度がよい。
  論文  参考訳（メタデータ） (2026-08-05T14:06:50Z)
• Learning to Solve Generative ODEs Beyond the Linear Span [50.13853710831612]
  空間残留演算子を用いてスカラー係数更新を増強する軽量ニューラルソルバであるSpanLiftを提案する。 SpanLiftは、ピクセル空間の拡散、潜水流のマッチング、降水は今、最先端の数ステップのサンプリングを実現している。
  論文  参考訳（メタデータ） (2026-06-07T15:22:13Z)
• Perturbation Dose Responses in Recursive LLM Loops: Raw Switching, Stochastic Floors, and Persistent Escape under Append, Replace, and Dialog Updates [0.0]
  我々は、他のどこかで落ち着いたループを動かすのに、注入されたテキストがどれだけ必要か、そしてそれが継続するかどうかを調査する。 12,000文字の尾クリップの下では、目的地とコヒーレントな持続性台地が16%近く、ソースとバスンの脱出は36%近くで400。 4段階のファルシフィケーション・バッテリは、高線量のデスティネーションコヒーレントディップを有限水平、エンドポイント定義感度の特徴として再キャストする。
  論文  参考訳（メタデータ） (2026-05-04T05:16:43Z)
• Arcee: Differentiable Recurrent State Chain for Generative Vision Modeling with Mamba SSMs [3.5590835022089813]
  状態空間モデル(SSM)は、長文シーケンスモデリングにますます採用されている。 最近の"Mamba-for-vision"変種は、非順序信号に対する厳密な因果関係を緩和するために、主に複数のスキャン順序を探索している。 Arceeはブロック間のリカレントステートチェーンであり、各ブロックの端末状態空間表現を再利用する。
  論文  参考訳（メタデータ） (2025-11-14T12:44:02Z)
• Next Block Prediction: Video Generation via Semi-Autoregressive Modeling [92.60177942930946]
  Next-Block Prediction (NBP) は、ビデオ生成のための半自己回帰(セミAR)フレームワークである。 NBPは各ブロック内で双方向の注意を払っており、トークンはより堅牢な空間依存をキャプチャすることができる。 本モデルでは,UCF101では103.3点,K600では25.5点,バニラNTPモデルでは4.4点,FVDスコアは25.5点であった。
  論文  参考訳（メタデータ） (2025-02-11T17:57:53Z)
• SC-Block: Supervised Contrastive Blocking within Entity Resolution Pipelines [75.5113002732746]
  本稿では,教師付きコントラスト学習を利用した埋め込み空間におけるレコードの位置決め手法であるSC-Blockを提案する。 SC-Blockを8つの最先端のブロッキング手法と比較した。 全体の実行時間を測定するため、99.5%の完全性を持つ候補集合を決定し、それらをマーカに渡す。
  論文  参考訳（メタデータ） (2023-03-06T13:49:41Z)

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。