预注册审计：Chronos-2 等时间序列基础模型混淆干预与关联
原文标题：Forecasting Associations, Not Interventions: A Preregistered Causal Audit of Covariate-Aware Time Series Foundation Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文对 Chronos-2、TiRex-2、TabPFN-TS 与 TimesFM-2.5 等协变量感知时间序列基础模型做预注册因果审计，检验其回答的是条件斜率还是干预效应。结果显示这些模型在反事实网格上均沿混淆偏差参考线分布，且比回归本身更受混淆影响；仅用 3000 条合成序列做数分钟干预式后训练即可将偏差最多缩小 83%。
- 问题
- 协变量感知时间序列基础模型被当作 what-if 工具，但可能只学到关联而非干预。
- 方法
- 预注册因果审计，用闭式混淆偏差参考线对比模型斜率与真实干预效应。
- 结果
- Chronos-2 等四模型 R² 0.90-1.00 贴合混淆线，斜率 1.3-1.8；3000 条合成序列后训练可减偏差最多 83%。
- 影响
- 用时间序列模型做决策模拟前需先做因果校验，否则会系统性高估或低估干预效果。
深读 · 结论先行AI 生成展开看要点与影响 ↓
预注册审计发现 Chronos-2 等四个时间序列基础模型回答的是关联而非干预，3000 条合成序列后训练可减偏差 83%。
- •受审模型为 Chronos-2、TiRex-2、TabPFN-TS、TimesFM-2.5，均接受控制变量未来路径做预测
- •在精确反事实网格上四者都沿混淆偏差参考线分布（R² 0.90–1.00），斜率 1.3–1.8，比回归本身更受混淆影响
- •观测规律相同的模型对证明这不是可识别性极限：可识别时最小二乘恢复 100% 真实效应差，Chronos-2 为 75%，TiRex-2 为 34%
- •线性探针可从预测所忽略的嵌入中解码数据生成机制（94–96%）与真实效应（R² 0.7–0.9）
- •仅用 3000 条合成序列做数分钟干预式后训练，偏差最多缩小 83%；两个随机执行器物理系统上预训练模型响应不足 2–5 倍
为什么重要：用户会把 what-if 查询当成因果问题来问，这条说明主流 TSFM 给出的答案系统性偏关联，做预测决策的人需要知道这个偏差有多大、以及能否低成本修正。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。