QDF二次型加权预测目标被ICLR 2026接收

研究者 Hao Wang 等人提出二次型加权学习目标及 Quadratic Direct Forecast（QDF）算法，用自适应更新的加权矩阵训练多步时间序列预测模型，针对 MSE 等现有目标忽略未来各步标签自相关、对不同步长任务等权处理的问题。作者称实验显示 QDF 能提升多种预测模型性能并取得 SOTA 结果，该论文已被 ICLR 2026 接收，代码已开源。 同一作者还提出变换增强损失函数 Time-o1，将标签序列变换为去相关且显著性分明的分量，让模型对齐其中最重要的部分，以缓解标签自相关并减少任务量。作者称 Time-o1 达到 SOTA 性能并兼容多种预测模型，代码已公开，论文被 NeurIPS 2025 接收为 poster。

AI 根据报道生成 · 2 小时前更新

1. 10月7日 12:00 · 1 篇报道
   提出QDF二次型加权多步时序预测训练方法
   arXiv：cs.LG：QDF：面向多步时间序列预测模型的二次型直接预测学习目标
2. 10月7日 12:00 · 1 篇报道
   Time-o1 变换增强损失函数提出
   arXiv：cs.LG：Time-o1：时间序列预测需要变换后的标签对齐

还没有足够的连续观测数据，暂不绘制趋势。