في عالم الذكاء الاصطناعي، يشكل التنبؤ بالسلاسل الزمنية تحدياً حقيقياً بسبب الديناميكيات المعقدة والمتغيرة التي تتمتع بها. رغم تقدم الطرق الحديثة، تبقى صعوبة التنبؤ قائمة خاصة في الظروف التي تفتقر فيها البيانات إلى جودة عالية. هنا يأتي الاقتراح الجديد 'تعديل الخبراء'، الذي يعد نقطة تحول لهذه المشكلة.

تستخدم تقنيات التنبؤ متعددة الأبعاد الحالية، مثل التقارير الإخبارية، لتحسين دقة التنبؤ. ومع ذلك، تعتمد العديد من هذه الطرق على دمج المعلومات على مستوى الرموز (token-level fusion)، وهو ما قد لا يكون مثاليًا في حال شح البيانات الملائمة.

تقدم آلية تعديل الخبراء طريقة مبتكرة تتجاوز تلك القيود، حيث تعمل من خلال التكييف المباشر لكل من مسارات الخبراء وعملهم استنادًا إلى الإشارات النصية. هذا يعزز فعالية التنبؤ عبر التحكم المباشر والمتناغم بين البيانات النصية والزمنية.

من خلال التحليل النظري والتجارب العملية، تؤكد النتائج فعالية هذه الطريقة الجديدة في تحسين دقة التنبؤ بالسلاسل الزمنية متعددة الأبعاد. كما تم توفير كود التنفيذ الحالي للمشروع على المنصة المعروفة GitHub لمزيد من الاستكشاف.