Chameleon多变量时间序列预测模型提出

2026年10月20日，arXiv Artificial Intelligence 刊出研究，Yu-Cheng Wu 等作者提出 Chameleon——一种面向多变量时间序列预测的通道相关（CD）状态空间模型。据该报道，Chameleon 将选择性 SSM 与 Kalman 滤波结合，利用选择性 SSM 缺失的测量更新来实现变量间细粒度的、依赖数据的交互，同时保留 SSM 主干进行时序建模，计算量随变量数线性增长。报道称其目标是兼顾跨变量交互与线性扩展性。目前该事件仅有这一篇主报道，尚无跟进报道或独立验证，模型的实际预测表现、对比基线与适用数据集均未在现有材料中给出。

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。