Buchumschlag

MantisV2: Closing the Zero-Shot Gap in Time Series Classification with Synthetic Data and Test-Time Strategies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feofanov, Vasilii, Wen, Songkang, Zhang, Jianfeng, Pan, Lujia, Redko, Ievgen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mantis: Lightweight Calibrated Foundation Model for User-Friendly Time Series Classification
von: Feofanov, Vasilii, et al.
Veröffentlicht: (2025)

Measuring Pre-training Data Quality without Labels for Time Series Foundation Models
von: Wen, Songkang, et al.
Veröffentlicht: (2024)

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

Time Series Representations for Classification Lie Hidden in Pretrained Vision Transformers
von: Roschmann, Simon, et al.
Veröffentlicht: (2025)

Leveraging Ensemble Diversity for Robust Self-Training in the Presence of Sample Selection Bias
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2023)

User-friendly Foundation Model Adapters for Multivariate Time Series Classification
von: Feofanov, Vasilii, et al.
Veröffentlicht: (2024)

UTICA: Multi-Objective Self-Distllation Foundation Model Pretraining for Time Series Classification
von: Moakher, Yessin, et al.
Veröffentlicht: (2026)

Rethinking Zero-Shot Time Series Classification: From Task-specific Classifiers to In-Context Inference
von: Fang, Juntao, et al.
Veröffentlicht: (2026)

Leveraging Gradients for Unsupervised Accuracy Estimation under Distribution Shift
von: Xie, Renchunzi, et al.
Veröffentlicht: (2024)

Analysing Multi-Task Regression via Random Matrix Theory with Application to Time Series Forecasting
von: Ilbert, Romain, et al.
Veröffentlicht: (2024)

SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention
von: Ilbert, Romain, et al.
Veröffentlicht: (2024)

Can LLMs predict the convergence of Stochastic Gradient Descent?
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

Layer by layer, module by module: Choose both for optimal OOD probing of ViT
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2026)

LLM Pretraining Shapes a Generalizable Manifold: Insights into Cross-Modal Transfer to Time Series
von: Roger, Alexis, et al.
Veröffentlicht: (2026)

Uncovering Zero-Shot Generalization Gaps in Time-Series Foundation Models Using Real-World Videos
von: Li, Lujun, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

Inference-Time Refinement Closes the Synthetic-Real Gap in Tabular Diffusion
von: Lomurno, Eugenio, et al.
Veröffentlicht: (2026)

Univariate to Multivariate: LLMs as Zero-Shot Predictors for Time-Series Forecasting
von: Madarasingha, Chamara, et al.
Veröffentlicht: (2025)

TimePFN: Effective Multivariate Time Series Forecasting with Synthetic Data
von: Taga, Ege Onur, et al.
Veröffentlicht: (2025)

Synthetic Series-Symbol Data Generation for Time Series Foundation Models
von: Wang, Wenxuan, et al.
Veröffentlicht: (2025)

MultiCast: Zero-Shot Multivariate Time Series Forecasting Using LLMs
von: Chatzigeorgakidis, Georgios, et al.
Veröffentlicht: (2024)

TS-Debate: Multimodal Collaborative Debate for Zero-Shot Time Series Reasoning
von: Trirat, Patara, et al.
Veröffentlicht: (2026)

Enhancing Zero-Shot Time Series Forecasting in Off-the-Shelf LLMs via Noise Injection
von: Yin, Xingyou, et al.
Veröffentlicht: (2025)

ChatTS: Aligning Time Series with LLMs via Synthetic Data for Enhanced Understanding and Reasoning
von: Xie, Zhe, et al.
Veröffentlicht: (2024)

A Comparative Study on How Data Normalization Affects Zero-Shot Generalization in Time Series Foundation Models
von: Ahmed, Ihab, et al.
Veröffentlicht: (2025)

Time-Series Classification for Dynamic Strategies in Multi-Step Forecasting
von: Green, Riku, et al.
Veröffentlicht: (2024)

Generalisation Bounds of Zero-Shot Economic Forecasting using Time Series Foundation Models
von: Jetwiriyanon, Jittarin, et al.
Veröffentlicht: (2025)

CoRA: Boosting Time Series Foundation Models for Multivariate Forecasting through Correlation-aware Adapter
von: Cheng, Hanyin, et al.
Veröffentlicht: (2026)

Large Language Models as Markov Chains
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

TS-RAG: Retrieval-Augmented Generation based Time Series Foundation Models are Stronger Zero-Shot Forecaster
von: Ning, Kanghui, et al.
Veröffentlicht: (2025)

Test-Time-Scaling for Zero-Shot Diagnosis with Visual-Language Reasoning
von: Byun, Ji Young, et al.
Veröffentlicht: (2025)

Forecasting Commencing Enrolments Under Data Sparsity: A Zero-Shot Time Series Foundation Models Framework for Higher Education Planning
von: Jetwiriyanon, Jittarin, et al.
Veröffentlicht: (2026)

Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulation
von: Zhao, Zhe, et al.
Veröffentlicht: (2026)

TempoPFN: Synthetic Pre-training of Linear RNNs for Zero-shot Time Series Forecasting
von: Moroshan, Vladyslav, et al.
Veröffentlicht: (2025)

SeqFusion: Sequential Fusion of Pre-Trained Models for Zero-Shot Time-Series Forecasting
von: Huang, Ting-Ji, et al.
Veröffentlicht: (2025)

Mamba4Cast: Efficient Zero-Shot Time Series Forecasting with State Space Models
von: Bhethanabhotla, Sathya Kamesh, et al.
Veröffentlicht: (2024)

EVIL: Evolving Interpretable Algorithms for Zero-Shot Inference on Event Sequences and Time Series with LLMs
von: Berghaus, David
Veröffentlicht: (2026)

TiCT: A Synthetically Pre-Trained Foundation Model for Time Series Classification
von: Yeh, Chin-Chia Michael, et al.
Veröffentlicht: (2025)

Tiny Time Mixers (TTMs): Fast Pre-trained Models for Enhanced Zero/Few-Shot Forecasting of Multivariate Time Series
von: Ekambaram, Vijay, et al.
Veröffentlicht: (2024)