arXiv · cs.AI· Yuqi Li·· 19 天前AI 评分18
TAM：面向高效时空预测的任务感知记忆蒸馏框架
TAM: Task-Aware Memory Distillation for Efficient Spatiotemporal Prediction
来源与原文
arXiv · cs.AI
作者：Yuqi Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.11617v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
TAM（Task-Aware Memory Distillation）将冻结 teacher 的知识组织为有界、可检索的历史记忆，通过匹配相似度分布或回归残差原型来补充常规知识蒸馏，且不增加 student 推理成本。在视频预测、天气预报和交通流预测的评测中，四组配对实验平均后，TAM 在全部六个视频数据集上提升 SSIM、五个数据集上降低 MSE，KittiCaltech 上 MSE 平均降低 1.86%，WeatherBench（gSTA teacher）降低 1.93%，TaxiBJ 降低 1.01%。
来源：arXiv · cs.AI · arxiv.org