时间序列基础模型是否易受到灾难性遗忘？
机器学习
2025-10-03 v2
摘要
时间序列基础模型（TSFMs）在 diverse forecasting tasks 上展现出良好的零样本泛化能力。然而，这些模型在持续适应方面的鲁棒性尚未得到充分探索。本文我们研究了TSFMs 在在多个数据集上顺序微调时是否会遭受灾难性遗忘。我们使用设计有不同周期结构程度的合成数据集，衡量适应新数据与保留先前知识之间的权衡。我们的实验表明，尽管微调会提高在新任务上的性能，但往往会导致对以前学习任务的显著下降，揭示了一种根本的稳定性-塑性困境。
引用
@article{arxiv.2510.00809,
title = {Are Time Series Foundation Models Susceptible to Catastrophic Forgetting?},
author = {Nouha Karaouli and Denis Coquenet and Elisa Fromont and Martial Mermillod and Marina Reyboz},
journal= {arXiv preprint arXiv:2510.00809},
year = {2025}
}