待验证50% 置信解决方案精确时间

加权保形预测通过对历史样本按时间衰减或相似度赋权来近似满足弱化版的可交换性条件

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

深度序列模型如何赋能时间序列的保形预测

涉及实体

加权保形预测concept

相关事实

待验证若时间序列满足强混合或β-混合条件，可证明标准保形预测的覆盖误差以可控速率收敛，从而在渐近意义上恢复保证79% 相似待验证贝叶斯方法可用历史失败率作为先验结合新观测更新后验分布，在样本稀少时保守估计真实风险74% 相似待验证版本漂移在评测场景下危险，因为模型权重、推理框架或测试环境变更后历史测量结果有效性会隐性衰减73% 相似待验证讲师认为模型的强弱排位不是一成不变的，过一段时间榜单会变化，不同时期可灵活切换73% 相似待验证使用非线性阈值化指标（如精确匹配率）时模型性能看似突变，而改用连续指标（如对数概率）时性能提升是平滑渐进的72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975956

API

curl https://kongchang.com/api/v1/knowledge/claims/975956

MCP

get_claim(id=975956)