TS-HINT：利用大语言模型推理的注意力提示增强半导体时间序列回归
机器学习
2025-12-08 v1
摘要
现有的数据驱动方法依赖于从时间序列中提取静态特征，以近似半导体制造过程（如化学机械抛光 (CMP)）的材料去除率 (MRR)。然而，这会导致时间动态性的丢失。此外，这些方法需要大量数据才能进行有效训练。在本文中，我们提出了 TS-Hint，这是一个时间序列基础模型 (TSFM) 框架，与思维链推理相集成，该推理基于注意力机制数据和显著性数据在训练期间提供注意力提示。实验结果通过少样本学习证明了我们的模型在有限数据设置下的有效性，并且能够直接从多变量时间序列特征中进行学习。
引用
@article{arxiv.2512.05419,
title = {TS-HINT: Enhancing Semiconductor Time Series Regression Using Attention Hints From Large Language Model Reasoning},
author = {Jonathan Adam Rico and Nagarajan Raghavan and Senthilnath Jayavelu},
journal= {arXiv preprint arXiv:2512.05419},
year = {2025}
}