基于扩散模型的多变量时间序列基座模型幻觉检测与缓解
机器学习
2025-08-05 v1 计算与语言
摘要
自然语言处理的基座模型已有许多一致的幻觉定义及其检测与缓解方法。然而，针对多变量时间序列（MVTS）基座模型，尚不存在类似的定义与方法。本文提出了针对MVTS幻觉的新型定义，以及基于扩散模型估计幻觉水平的新型检测与缓解方法。我们从流行的时间序列数据集中派生关系数据集，以基准测试这些关系幻觉水平。通过这些定义与模型，我们发现，开源预训练MVTS填补基座模型在关系层面上的幻觉平均程度最高可达59.5%，远超弱基线。所提出的缓解方法可将这些模型的幻觉降低最高47.7%。该定义与方法或有助于提高MVTS基座模型的采用率及安全使用水平。
引用
@article{arxiv.2508.00881,
title = {Hallucination Detection and Mitigation with Diffusion in Multi-Variate Time-Series Foundation Models},
author = {Vijja Wichitwechkarn and Charles Fox and Ruchi Choudhary},
journal= {arXiv preprint arXiv:2508.00881},
year = {2025}
}