華人團(tuán)隊(duì)開源新模型U-Cast，像「放大鏡+過濾器」一樣，從上萬條時(shí)間序列里秒抓關(guān)鍵層級(jí)，預(yù)測(cè)更快更準(zhǔn)；同步發(fā)布十領(lǐng)域真實(shí)大數(shù)據(jù)集Time-HD，供全球研究者免費(fèi)練手，推動(dòng)高維時(shí)序預(yù)測(cè)進(jìn)入「ImageNet時(shí)刻」。

從金融市場(chǎng)的上千支股票，到智慧城市交通網(wǎng)絡(luò)的上萬個(gè)傳感器，我們正全面進(jìn)入一個(gè)由高維時(shí)間序列數(shù)據(jù)驅(qū)動(dòng)的時(shí)代。

然而，當(dāng)前主流的時(shí)間序列預(yù)測(cè)（TSF）模型，大多仍停留在僅包含幾個(gè)或幾百個(gè)變量的低維環(huán)境中進(jìn)行評(píng)估（Table 1）。

當(dāng)面對(duì)成千上萬個(gè)變量構(gòu)成的高維復(fù)雜系統(tǒng)時(shí)（Time-HD），則往往在效率與性能上表現(xiàn)出明顯的局限性。

此外，大規(guī)模數(shù)據(jù)集已被證明是多個(gè)研究領(lǐng)域取得突破的關(guān)鍵支撐。

例如，CV中的ImageNet、MS COCO，NLP中的GLUE、SQuAD，以及Graph中的OGB，都在推動(dòng)相應(yīng)領(lǐng)域的發(fā)展中發(fā)揮了決定性作用。

然而，在時(shí)序預(yù)測(cè)領(lǐng)域，始終缺乏同類的大規(guī)模基準(zhǔn)，這使得研究進(jìn)展受到制約。

進(jìn)一步地，高維環(huán)境才能真正釋放通道依賴型模型的價(jià)值。

而在現(xiàn)有的低維數(shù)據(jù)集上，通道依賴型（Channel-Dependent, CD）模型相較通道獨(dú)立型（Channel-Independent, CI）模型并未表現(xiàn)出穩(wěn)定且顯著的優(yōu)勢(shì)。

這一現(xiàn)象容易引發(fā)懷疑，即顯式建模通道間關(guān)系是否真的有效？

之前有研究提出是維度數(shù)量本身限制了CD方法潛在優(yōu)勢(shì)的發(fā)揮。

通過理論分析（Theorem 1 and 2），他們證明了在高維環(huán)境下，當(dāng)存在非冗余變量時(shí)，CD模型的貝葉斯風(fēng)險(xiǎn)（Bayes risk）始終低于CI模型，且這一優(yōu)勢(shì)會(huì)隨著維度增加而不斷擴(kuò)大。