分布偏移下时间序列预测的模型无关在线证书驱动校准

针对分布偏移下的时间序列预测，研究人员提出一种模型无关的在线鞅 PAC-Bayes 校准框架，可在时间依赖下提供有限样本理论保证。该方案在固定预测主干上训练门控残差贝叶斯预测头，采用先预测后更新机制，在门控关闭时可回退至主干预测。在卷积、注意力机制及基于 LLM 的预测器实验中，该方法均提升了协变量与概念偏移下的稳定性和准确率。