研究人员开发了TS-Arena，一个新颖的平台，旨在通过在未来未知数据上进行测试来严格评估时间序列基础模型（TSFMs）。该实时预测系统强制执行严格的预注册协议，要求模型在真实数据存在之前提交预测，从而消除了测试集污染的可能性。TS-Arena运行一年多的能源时间序列数据，证明了与传统方法相比，它能够更准确地评估泛化能力。 AI
影响 为时间序列预测模型提供了一个更强大的评估框架，解决了数据污染问题。
排序理由 介绍用于评估预测模型的新平台的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2512.20761v3 Announce Type: replace Abstract: Time Series Foundation Models (TSFMs) are transforming the field of forecasting. However, evaluating them on historical data is increasingly difficult due to the risks of train-test sample overlaps and temporal overlaps between …