arXiv · cs.AI· Federico Zucchi, Yi Xie, Chao Zhang, Thomas Lampert, Ziyue Li·· 2 天前
时间序列预测中的自适应分块：为何比表面上更难
Adaptive Patching Is Harder Than It Looks For Time-Series Forecasting
arXiv:2606.04074v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Federico Zucchi, Yi Xie, Chao Zhang, Thomas Lampert, Ziyue Li
研究任务与主要进展
该论文比较三种时间序列自适应分块方法与经过调参的统一分块基线，在所评估的长程预测基准上观察到准确率差异通常较小，未发现一致的自适应分块优势，统一分块还通常训练更快并避免推理时的自适应路由。基于论文摘要，作者提出预算约束下统一分辨率—密度表示，并在可分离共享损失模型中推导非统一分配的精确改进判据、局部二次近似及全局界；这些理论结论依赖特定模型假设。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org