研究者提出时间序列预测场景化压力测试框架
热点事件持续更新
研究者提出时间序列预测场景化压力测试框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yuyang Zhao、Lian Xu、Hao Xue 发表论文，主张时间序列预测评测应从只奖励低留出误差转向"场景化压力测试"：每个测试实例需包含历史输入、未来目标、语义场景、显式失效算子和可量化难度等级。 论文称，现有基准仅以留出误差为奖励，鲁棒性研究也只用高斯噪声、随机掩码或有界对抗扰动模拟失效，无法反映部署系统的真实失效模式。作者认为，时间序列基础模型的兴起使这一缺口更紧迫，因为不可审计的预训练语料让留出集泛化越来越不可靠。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
时间序列预测基准需要基于场景的压力测试报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AI时间序列预测基准需要基于场景的压力测试
研究者提出时间序列预测（TSF）评测应转向"场景化压力测试"，每个测试实例需包含历史输入、未来目标、语义场景、显式失效算子和可量化难度等级。现有基准只奖励低留出误差，鲁棒性研究也仅用高斯噪声、随机掩码或有界对抗扰动模拟失效，无法反映部署系统的真实失效模式。TSF 基础模型的兴起使这一评测缺口更紧迫，因为不可审计的预训练语料让留出集泛化越来越不可靠。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。