自适应分块时序预测研究：无一致优势

2026年10月15日，arXiv Artificial Intelligence 刊出 Federico Zucchi 等人的研究《自适应分块用于时间序列预测比看起来更难》。该研究对比三种自适应分块方法与调优后的固定分块基线，在长时程预测基准上发现准确率差异普遍很小，自适应分块没有一致优势；固定分块通常训练更快，且推理时无需自适应路由。作者进一步提出预算化分块分配的理论框架，在可分离共享损失模型下给出非均匀分配优于均匀分配的精确判据，并指出即使区域权重排序正确，过度重新分配分辨率也可能增加损失。上述结论均来自该论文自身的实验与理论分析，尚未见其他独立跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。