TIMBRE：教授时间序列预测者阅读、记忆和协调

基于事件的预测需要将报告和历史响应转化为数字预测的变化。我们提出了 TIMBRE（基于记忆的响应和证据的时间集成），它将源感知表示、状态条件响应传输和冻结预测头之前的可靠性引导融合相结合。单独的读出调整间隔宽度，同时保留中位数。在一项针对 13 项任务的单种子、一个时期的开发研究中，TIMBRE 在 8 项任务上比普通融合改进了 MAE，但在只有 2 项任务上比原生 Chronos-2 有所改进。在训练模型中禁用响应传输可以使 BTC 和 AULF MAE 分别降低 47.04% 和 6.81%。这些发现确定了对习得反应转移的敏感性，而不是一般的预测优势。缺少开发集分数和缺乏重新训练的消融限制了对个体证据机制的归因。