北大林宙辰团队提出DistDF：基于分布对齐的时间序列预测新方法 在时间序列预测中，模型结构不断演进，但训练阶段几乎都依赖均方误差（MSE）等点对点误差损失函数。这种做法隐含了标签序列各时间点相互独立的假设，与真实时间序列数据的生成机制相悖，导致模型难以捕捉标签序列的整体形态和相关性。 北京大学林宙...

标题：北大林宙辰团队论文：从数据中自适应学习时序预测损失丨ICLR 2026 在多步时间序列预测任务中，预测性能随时间步长迅速退化几乎成为共识。例如，在气象、金融和电力负荷预测中，短期预测较为准确，但长期预测误差显著放大，趋势与周期逐渐偏离真实轨迹。这种现象通常被归因于模型表达能力不足或依赖建模...