arXiv 机器学习· Zong-Han Bai·· 9 小时前AI 评分45
预测关联而非干预：协变量感知时间序列基础模型的预注册因果审计
Forecasting Associations, Not Interventions: A Preregistered Causal Audit of Covariate-Aware Time Series Foundation Models
AI 导读
预注册因果审计发现，Chronos-2、TiRex-2、TabPFN-TS 和 TimesFM-2.5 等时间序列基础模型处理干预查询时仅预测关联而非因果效应。在物理系统测试中，预训练模型的响应不足 2-5x 且忽略窗口内混杂。结合低秩适应在 3,000 条合成序列上进行干预后训练，能以仅 1-3% 的预测代价缩减 52-61% 的混杂差距，并提升 DoTime 基准表现。
来源：arXiv 机器学习 · arxiv.org