arXiv · cs.AI· Emanuele Albini, Francesca Toni, Saumitra Mishra, Francesco Leofante·· 1 天前
时间序列预测中的时间预测多重性：同等准确的模型产生不同预测轨迹
Temporal Predictive Multiplicity: Equally Accurate Time Series Models Yield Different Forecast Trajectories
arXiv:2610.09994v1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：Emanuele Albini, Francesca Toni, Saumitra Mishra, Francesco Leofante
首次提交：2026-10-07 20:53
研究任务与主要进展
作者提出 temporal predictive multiplicity 框架，用于刻画预测性能近乎相同的时间序列模型在完整预测轨迹上的差异。摘要称，仅约束预测性能或单时间点的多重性都不能消除轨迹层面的差异；在 11 个数据集、19 种神经网络预测架构上的实验显示，近最优模型的预测轨迹可能存在显著变异。该结论依据论文摘要整理，未读取全文。
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