Chronos 频率数据理解与重构的初步见解
机器学习
2026-05-08 v1
摘要
本文对 Chronos 基础模型处理和内部表示频率域信息的能力进行初步分析。处理时间序列数据的基础模型为实践者提供了统一的架构，能够在不同任务和领域之间学习通用的时间表示，减少对特定任务特征工程的需求，并实现跨信号模态的迁移。尽管其应用日益增长，但此类模型对基本信号属性的编码程度仍不足以被完全 characterize。我们通过受控条件下的分析来填补这一空白，起始于最简单的信号类别：在固定频率下生成的离散正弦信号。使用轻量级在线最小描述长度探针测试模型内部表示中是否存在和可分离的频率信息。结果提供了有关频率内容在频谱范围内如何被捕获的见解，并指出在某些 regime 中表示质量可能下降或需要特别注意。这些发现为 Chronos 在信号处理和信息融合上下文中的使用者提供了实用指导，并贡献于改进时序数据基础模型可解释性和评估的持续努力。
引用
@article{arxiv.2605.06361,
title = {Preliminary Insights in Chronos Frequency Data Understanding and Reconstruction},
author = {Alessandro Pagani and Marco Cominelli and Liying Han and Gaofeng Dong and Sergio Benini and Francesco Gringoli and Mattia Savardi and Mani B. Srivastava and Trevor Bihl and Erik P. Blasch and Daniel O. Brigham and Kara Combs and Lance M. Kaplan and Federico Cerutti},
journal= {arXiv preprint arXiv:2605.06361},
year = {2026}
}