논문 정보
- 날짜:
2026-04-02 - 카테고리: -
- 우선순위 점수: 1.433
핵심 요약
QuitoBench는 Alipay의 10억 규모 시계열 데이터를 기반으로 8가지 특성별 체계(Regime)를 정의한 고품질 벤치마크입니다. 실험 결과, 짧은 컨텍스트에서는 딥러닝 모델이 우세하나 긴 컨텍스트에서는 파운데이션 모델이 더 높은 성능을 보였습니다. 또한 모델 크기 확장보다 학습 데이터 양의 확장이 성능 향상에 더 효과적임이 확인되었습니다.학습자 관점 포인트
- 우리 팀 영향: 대규모 시계열 데이터 학습 전략 수립 시 모델 크기보다 데이터 확보에 집중해야 한다는 실무적 가이드라인을 제공합니다.
- 권장 액션: 실험
- 액션 근거: 다양한 시계열 특성에 따른 모델별 성능 교차 지점과 데이터 스케일링 효율성을 직접 검증할 가치가 있습니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.26017
- Hugging Face Papers: https://huggingface.co/papers/2603.26017