SteerCast：基于检索的潜在转向，用于仅解码器的时间序列预测

时间序列预测旨在根据历史观察和辅助特征来预测未来值。我们提出了 \textbf{SteerCast}，一种基于检索的潜在转向方法，可以在推理时改进仅解码器的预测器，而无需更新其参数。 SteerCast 通过将每个历史窗口的表示与在预测器的潜在空间中计算的 emph{转向向量} 一起存储，从训练集中构造一个数据库，定义为由真实延续和模型自身预测引起的表示之间的差异。在测试时，SteerCast 检索查询历史记录的最近邻居，聚合它们的转向向量，并在自回归生成的每一步将结果信号注入到预测器的隐藏状态中，指导预测与类似训练案例一致的轨迹。跨不同多变量基准和多个视野的实验表明，SteerCast 在微调主干和基于检索的基线上持续提高预测准确性，同时不需要 在原始微调之外进行额外的训练，并仅使用训练集作为检索语料库。