本研究提出了一种上下文微调方法，基于时间序列基础模型，通过引入多个相关示例，显著提升了零样本预测性能，优于传统模型。
本研究提出了一种上下文微调方法，针对时间序列基础模型。
该方法通过引入多个相关时间序列示例，显著提升了零样本预测性能。
研究表明，该方法在流行预测基准上的表现优于传统的监督深度学习及统计模型。
该方法的性能与针对特定域的微调模型相媲美。
完成下面两步后，将自动完成登录并继续当前操作。
