刷榜多元时序预测,性能波动0%,打破CI/CD二元对立
ICLR'26新研究CPiRi打破时序预测僵局:用冻结底座提取时序特征,轻量模块专注学习通道间真实关系,不靠位置编码「背答案」。测试中通道乱序性能零波动,仅用25%数据即可泛化至全网络,真正实现鲁棒与精准双赢。
在多元时间序列预测(MTSF)领域,学术界长期存在着通道依赖(Channel Dependence, CD)与通道独立(Channel Independence, CI)的路线之争。
通道依赖(CD)派(如Crossformer、iTransformer)主张通过时空图网络(STGNNs)、通道注意力机制等方法显式建模通道间的复杂关联。理论上限高,但极易过拟合。
通道独立(CI)派(如PatchTST、DLinear)主张将每个通道视为独立序列处理。虽然简单粗暴,却因鲁棒性强而屡屡霸榜。
这就产生了一个反直觉的悖论:为什么显式建模了更多信息的CD模型,泛化性反而不如「各自为战」的CI模型?
如果我们剥开表象,会发现这本质上是一种架构选择下的妥协。
目前的CI主流模型大多基于非自回归(NAR)或直接映射架构,为了规避噪声累积,被迫放弃了对跨通道联合分...
来源: 36kr2次阅读