Модель с новостными заголовками точнее прогнозирует гриппоподобные заболевания на 12 недель

Авторы не просто склеили два вида данных в один вектор. Они держали числовой ряд и заголовки в отдельных потоках, а затем дали им по очереди «подсматривать» друг в друга: текущая картина заболеваемости подсказывала, какие новости важны, а новости помогали по-новому интерпретировать числа. После этого объединённый сигнал проходил через модель, которая учитывает порядок событий во времени и строит прогноз. Такой подход нужен потому, что новости устроены хаотично: они могут говорить о причинах будущих изменений, но часто появляются позже числовых сигналов и не всегда напрямую связаны с ними.

Раньше текст обычно превращали в одно общее представление для каждого момента времени и просто добавляли к числам либо использовали только как одностороннюю подсказку. В новой схеме проверили, действительно ли важен именно обмен информацией в обе стороны. Дополнительные эксперименты показали: преимущество сохранялось при смене модели, которая кодирует текст, и не требовало дополнительного обучения языковой модели; при этом двусторонний обмен работал лучше, чем передача информации только от новостей к числам или только в обратную сторону.

Авторы также проверили, не является ли результат случайностью конкретного разбиения данных или случайной инициализации модели. Для этого они повторяли сравнения с разными случайными запусками, использовали несколько типов базовых моделей и оценивали ошибки на отдельных временных окнах. Новая система особенно выигрывала на самых неудачных окнах. Проверка с намеренным скрытием частей входных данных показала, что механизм обмена действительно влияет на прогноз, причём сильнее заметен вклад направления «текст → числа».