时间序列基础模型协变量不确定性负载预测基准发布

Tomas Kaljevic 等作者提交了一项基准研究，在 3 个真实负载预测数据集上比较 4 个从头训练模型和 4 个时间序列基础模型（TSFM），考察未来协变量信息可用性与质量的影响。 结果显示，Chronos-2 在协变量可用或预测准确时，零样本和微调设置下均达到 SOTA，但随着协变量预测噪声增大性能下降；TimesNet 在严重协变量不确定性下表现更稳健。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。