本研究探讨了语音基础模型在可穿戴传感器数据时间序列任务中的应用，发现该模型在情绪分类和心律失常检测等任务中表现优异。通过简单的探测方法，提升了数据稀缺时间序列任务的性能，促进了语音与传感器模态的统一发展。
研究者设计了一种高效的基于循环神经网络的时间序列任务模型RWKV-TS，具有高计算效率和有效规模扩展性的特点。RWKV-TS模型在性能上与基于Transformer或卷积神经网络的模型相比具有竞争力，且具有较低的延迟和内存使用。这一成功鼓励了进一步在时间序列领域中的探索和创新。
完成下面两步后，将自动完成登录并继续当前操作。
