arXiv · cs.AI· Hao Wang, Licheng Pan, Yuan Lu, Zhichao Chen, Tianqiao Liu, Shuting He, Zhixuan Chu, Qingsong Wen, Haoxuan Li, Zhouchen Lin·· 2 天前
Quadratic Direct Forecast：用于多步时间序列预测的二次型加权目标
Quadratic Direct Forecast for Training Multi-Step Time-Series Forecast Models
arXiv:2511.00053v2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：Hao Wang, Licheng Pan, Yuan Lu, Zhichao Chen, Tianqiao Liu, Shuting He, Zhixuan Chu, Qingsong Wen, Haoxuan Li, Zhouchen Lin
期刊信息（来源提供）：ICLR 2026
研究任务与主要进展
论文提出Quadratic Direct Forecast（QDF）学习算法，用二次型加权学习目标改进多步时间序列预测。作者称，权重矩阵的非对角元素用于建模未来步骤间的标签自相关，非均匀对角元素用于匹配不同预测步骤的任务权重；基于论文摘要，实验显示QDF提升了多类预测模型并取得领先结果。代码地址为https://github.com/Master-PLC/QDF。
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