感知数据修订的时间序列基座模型VINTAGE-TS
针对宏观经济等统计机构常对历史发布数据进行事后修订、导致模型训练容易引入前瞻偏差的问题，研究人员提出了具备数据修订感知能力的时间序列基座模型VINTAGE-TS。该架构明确区分了“观察时间”与“信息可用时间”，避免将单一版本假定为最终真值，而是同时预测下一周期的首次发布值及其发布后固定时间跨度内的修订值，从而更贴合真实场景下的时序预测需求。
推荐理由针对现实数据中普遍存在的历史修订与前瞻偏差痛点，提出了创新的时间序列基座模型架构。
原标题：Time-Series Foundation Models That Understand Data Revisions
阅读 arXiv 机器学习 原文 ↗