了解数据修订的时间序列基础模型

arXiv:2609.28576v1 公告类型：新 摘要：历史观察结果并不总是固定的：统计机构会在新证据出现时修改先前发布的值。因此，根据当前下载进行的预测可能会将模型暴露在据称做出预测之日不可用的信息中。我们提出了 VINTAGE-TS，这是时间序列基础模型的修订感知改编，可区分观察时间和信息可用时间。其目标是下一周期首次发布的值以及该发布后固定天数内可用的值；两者都没有被宣布为最终真相。联合预测分布保留了这些目标之间的依赖性，并暴露了它们差异的不确定性。我们指定基于 ALFRED 的滚动评估、匹配的 Chronos-2 比较、传统和修订感知基线以及对预训练重叠的单独审核。随附的软件实现了有效性间隔重建、延迟标签过滤、冻结骨干适配器接口和可重复的诊断。执行的综合演示和 25 个配置的灵敏度套件验证了工作流程，揭示了种子和修订方案之间的差异，并说明了事后污染如何改变测量的性能。三十一个自动化测试检查时间和集成合同。真正的 ALFRED 和 Chronos-2 实验尚未进行；没有声称经验基础模型的优势。