QiYao-I to nowy foundation model opracowany do prognozowania nieregularnych wielowymiarowych szeregów czasowych - problemu częstego w rzeczywistych aplikacjach, gdzie dane są zbierane w nierównych odstępach czasu i asynchronicznie między zmiennymi. Większość dotychczasowych modeli foundation do pracy z szeregami czasowymi zakłada regularny sampling, co utrudnia im adaptację do rzeczywistych scenariuszy z nieregularnymi interwałami i asynchroniczną dynamiką między zmiennymi.
Rozwiązanie zawiera dwa kluczowe innowacje. Po pierwsze, autorzy wprowadzili sampling-conditioned temporal manifold attention mechanism, który mapuje rzeczywiste znaczniki czasu do uczalnej przestrzeni cech rozmaitości czasowych i wstrzykuje odpowiednie bias do warstw attention. Dzięki temu model może skutecznie uchwycić zarówno nieregularne interwały czasu jak i lokalne struktury sampling. Po drugie, zaproponowali dynamic variable interaction mechanism z frequency awareness, który selektywnie przeprowadza wymianę informacji między zmiennymi pod nieregularnym samplingiem.
Eksperymentalne wyniki na rzeczywistych benchmarkach pokazują, że QiYao-I osiąga lepsze wyniki niż zarówno istniejące foundation modele do szeregów czasowych jak i modele end-to-end dedykowane do nieregularnych prognoz. Szczególnie imponująca jest zdolność modelu do generalizacji w ustawieniach zero-shot i few-shot, co sugeruje, że architektura dobrze się transferuje na nowe problemy bez konieczności retrainingu na pełnym zbiorze danych.