Distribution-Aware Diffusion-LLM for Robust Ultra-Long-Term Time Series Forecasting

• 类型：arxiv
• 标识：2606.23391
• 链接：http://arxiv.org/abs/2606.23391v1
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes a new framework Diffusion-LLM that integrates a conditional diffusion model into an LLM-based forecasting pipeline, and demonstrates the value of distribution-aware regularization for enhancing robustness and generalization in time series LLMs.
• OpenAlex ID：W7165679978
• OpenAlex DOI：10.48550/arxiv.2606.23391
• DOI：10.48550/arxiv.2606.23391
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.23391
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：用于鲁棒超长期时间序列预测的分布感知扩散 LLM
• TLDR中文：本文提出新框架 Diffusion-LLM，将条件扩散模型集成到基于 LLM 的预测流水线中，展示了分布感知正则化在提升时间序列 LLM 的鲁棒性与泛化能力方面的价值。
• 来源文件：
• /inbox/tom/_candidates/2026-06-23-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]