论文评估概率时间序列基础模型的不确定性校准
论文AI 评分 68/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇被 NeurIPS 2026 的 Evaluations and Datasets 赛道接收的论文，研究概率时间序列基础模型（TSFM）的不确定性校准问题。作者提出一套分类体系，说明这类模型如何表示预测不确定性，并构建细粒度评估框架，在多步预测中区分池化校准、逐horizon校准和更强的条件校准三种口径。基于该框架，作者对多个常用 TSFM 在多种数据集上做了实证评估，发现现有模型存在系统性偏差，而标准指标往往掩盖这些偏差。论文还分析了常见的后验重校准方法，指出它们能改善哪些校准形式、哪些偏差仍会残留。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题与切入点
时间序列基础模型正被用于跨领域的概率预测，但这类模型给出的不确定性估计是否可靠，目前缺乏系统认识。论文把不确定性校准作为核心问题，从方法论与实证两个层面展开，而不是只报告单一指标下的表现。作者先梳理 TSFM 表示预测不确定性的不同方式，形成分类体系，再据此设计评估框架，使不同模型之间的比较建立在同一口径上。
三种校准口径
评估框架针对多步预测场景，把校准拆成三个层次：池化校准看整体预测分布与真实结果的吻合程度；逐 horizon 校准按预测步长分别检查；条件校准则要求更严格，考察在给定条件下校准是否依然成立。论文指出，这三种口径反映的问题不同，只报告其中一种容易得出片面结论，这也是该框架相对常规做法的关键差异。
实证发现与重校准
作者用该框架在多种数据集上评估了常用 TSFM，结果显示这些模型呈现出各自不同但系统性的误校准模式，而标准指标往往无法暴露这些模式。论文随后分析常见的后验重校准方法，说明它们能够改善哪一类校准、哪一类偏差在重校准后依然存在。这些结论为评估和改进 TSFM 的不确定性质量提供了实践参考，同时点明了当前做法的局限。
为什么值得看
概率预测的置信区间是否可信，直接决定 TSFM 能否用于决策场景；这篇论文给出了可复用的评估口径与重校准方法的边界。
论文数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。