Generative Time-Series Models

新研究揭示生成时间序列模型评估中的缺陷

一篇新发表在arXiv上的研究论文指出了生成时间序列模型评估协议中的关键缺陷。研究表明，标准的基准测试方法可能因使用与训练集数据分布差异巨大的评估窗口而错误地代表模型性能。此外，该论文引入了一种控制方法来隔离时间耦合对统计数据的影响，并证明了一个自回归障碍模型在大多数数据集上优于条件流模型，尽管后者在不同训练种子之间存在差异。研究还指出，模型排名会根据所使用的发生统计数据而变化，这表明需要更健壮和一致的评估实践。