Cadence：利用 Time-Series Foundation Model 進行保證誤差範圍的時間序列壓縮
為何重要
該研究將大型語言模型（LLM）的技術視角引介入時間序列壓縮領域，證明瞭在允許誤差範圍的前提下，基礎模型能將餘數壓至近乎零以實現極高壓縮率。這對需儲存海量歷史資料的基礎設施工程師是一個重要的技術嘗試，可能成為最佳化資料庫儲存成本的新解法。
Cadence 結合 330M 引數的 Google TimesFM-3 基礎模型與自適應算術編碼器，實現以保證預測誤差不超過 $ au$ 為前提的數值時間序列有失真壓縮。