HyperForecast双曲空间时序预测框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Sarang Rajendra Patil 等人的研究，提出 HyperForecast——报道称其为首个在双曲空间中运行的长时程时间序列预测（LTSF）框架。该框架将分解后的时序片段嵌入 Poincaré 球，以径向距离刻画频率层级，并提供两种流形动力学变体：基于 Poincaré 残差动力学的自回归预测，以及并行预测全部未来片段的非自回归预测。据该报道，HyperForecast 在 11 个长时程预测基准中的 9 个上优于现有及 SOTA 基线，长时程均方误差最多降低 58%。目前该事件仅有这一篇主报道，尚无跟进报道，上述性能数字与“首个”表述均来自该来源，未经其他来源独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。