★ 2
时间序列预测基准需场景化压力测试
论文指出当前时间序列预测评测过于狭窄：标准基准只看留出误差，鲁棒性研究多把失败简化为高斯噪声或随机掩码，掩盖了真实部署中的失效模式。作者主张采用场景化压力测试，每个测试实例应包含历史输入、未来目标、语义场景、显式失效算子与可度量难度。随着 TSF 基础模型兴起，这一评测缺口更加紧迫。
arXiv cs.AI28 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出当前时间序列预测评测过于狭窄：标准基准只看留出误差，鲁棒性研究多把失败简化为高斯噪声或随机掩码，掩盖了真实部署中的失效模式。作者主张采用场景化压力测试，每个测试实例应包含历史输入、未来目标、语义场景、显式失效算子与可度量难度。随着 TSF 基础模型兴起，这一评测缺口更加紧迫。
论文将模型故障转移建模为通过局部市场冲击响应矩阵的应急路由问题，研究期望平方价格位移。对称构造表明共享备份会随主端点数量增长留下常数级集中下限，而均衡回退风险随存活端点数量反比下降。在 60 个合成组合网络与 11340 次场景评估中，交换程序在单、双端点移除下分别降低风险 6.57% 与 10.…