代码大模型 / AI 编程

From Tokenizer Bias to Backbone Capability: A Controlled Study of LLMs for Time Series Forecasting

从分词偏差到骨干能力：对用于时间序列预测的LLM进行受控研究

Xinyu Zhang, Shanshan Feng, Xutao Li, Kenghong Lin, Fan Li, Pengfei Jia

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Wuhan University（武汉大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 本文通过设计三个具有相同架构但不同预训练策略的模型，研究了LLM在时间序列预测中的性能，发现其表现有限，无法超越专门训练的模型。

Efficient Query Rewrite Rule Discovery via Standardized Enumeration and Learning-to-Rank(extend)

通过标准化枚举和学习排序高效发现查询重写规则（扩展）

Yuan Zhang, Yuxing Chen, Yuekun Yu, Jinbin Huang, Rui Mao, Anqun Pan, Lixiong Zheng, Jianbin Qin

专题命中 仓库级理解 ：repository(abstract)

AI总结 SLER通过标准化枚举和学习排序方法，高效发现大规模查询重写规则，构建超过100万条规则的库，支持复杂查询计划模板。