时序基础模型引入测试时算力:BGAA用回测筛选上下文,MASE最高降5.9%

arXiv 上的一篇新论文提出 BGAA,把大模型常用的“测试时算力(TTC)”思路引入时序预测:用时序自身历史做滚动回测,筛掉效果差的上下文变换再取平均,从而在不改模型的情况下提升预测精度。

一句话看懂:arXiv 上的一篇新论文提出 BGAA,把大模型常用的“测试时算力(TTC)”思路引入时序预测:用时序自身历史做滚动回测,筛掉效果差的上下文变换再取平均,从而在不改模型的情况下提升预测精度。

事件核心:发生了什么

这篇论文(arXiv:2611.25171v1,2026 年 11 月 20 日发布)针对时序基础模型(TSFM)提出 Backtest-Gated Augmentation Averaging。作者指出,语言模型能通过生成、验证、投票来利用额外推理算力,但预测模型必须保持因果性,不能用未来信息给候选结果打分,因此这套方法无法直接照搬。BGAA 的做法是:对上下文做多种结构化变换,用滚动起点回测离线给每种变换打分,淘汰不如原始上下文的变换,再对留下者的预测分布取平均。

据摘要,BGAA 在作者测试的每个 TSFM 与基准组合上都带来提升:GIFT-Eval 上 MASE 降低 0.5%–1.0%,fev-bench 降低 1.3%–5.0%,BOOM 降低 1.7%–5.9%;在 BOOM 上,带 TTC 的 313M 模型超过了同系列 1B 和 2.5B 模型。需注意,这些数字来自论文摘要,尚未看到全文实验细节,也未经过同行评审。

为什么重要

它提供了一条“推理端提效”的路线:不改训练、不换参数量,靠更聪明的上下文选择和集成获得收益,对小模型尤其有吸引力。更值得注意的是作者自曝的差距——在实际部署的策略下,53 个可交叉拟合的 GIFT-Eval 配置上 CRPS 仅改善 0.4%–1.3%;若按数据集配置挑最佳变换可到 1.4%–4.1%,若精确到每个测试窗口单独挑则达 17%–19%。这说明“逐窗口选择变换”仍是核心难题,现有方法离理论上限还很远。

对用户/开发者/创作者的影响

对做时序预测的开发者,BGAA 的启发是可落地为一个推理层:保留原模型,在服务侧叠加回测筛选和分布平均,代价是额外的推理算力与回测开销。对采购 TSFM 的企业,这意味着模型规模不再是唯一指标,评测时应同时看推理策略。对依赖预测做库存、能源、流量决策的产品团队,摘要级别的改进幅度有限,但在特定基准上可能足够改变模型选型。目前公开信息仅限论文摘要,尚无开源实现或 API 可用性信息。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是全文是否披露回测窗口设计和算力成本,能否支撑生产级部署;二是“窗口级变换选择”能否找到低成本解法,缩小与 17%–19% 上限的差距;三是作者结论是否在第三方复现中成立,以及主流 TSFM 是否跟进类似推理策略。

来源:arXiv cs.AI

celebrityanime
celebrityanime
文章: 36139

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注