研究者提出跨变量损失CvLoss约束多变量预测

Kuiye Ding等作者提出跨变量损失CvLoss，用于多变量时间序列预测。据论文，它是在跨变量图上约束预测残差的结构正则器，惩罚预测片段间不一致的边级残差差异，兼顾同步与异步交互。 作者称，实验显示CvLoss能持续提升有竞争力的预测模型，优于代表性学习目标，并兼容多种预测骨干网络。该论文已被NeurIPS 2026接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。