待验证50% 置信基准精确时间

引入文本信息后，跨多个时间序列基础模型的上尾分位损失（upper-tail pinball loss）中位数下降了7.4%

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

TRACE基准：引入官方运营文本提升电价预测准确性

涉及实体

TRACEproduct time-series foundation modelsconcept

相关事实

待验证对比学习常用的损失函数包括InfoNCE Loss和Triplet Loss69% 相似待验证PINNs的损失函数通常由数据误差和残差项两部分组成，残差项即将网络输出代入PDE后偏离零的程度64% 相似待验证在跨日文本错配（cross-day text-mismatch）消融实验中，将文本与错误日期价格配对后，性能增益消失且预测表现跌破不使用文本的基线水平62% 相似待验证降本往往伴随质量妥协：更短的上下文可能导致模型遗漏关键信息，更激进的缓存可能引入陈旧数据61% 相似待验证模型崩溃过程中，模型会逐渐丢失数据分布的长尾部分，最终收敛到单调、重复、缺乏多样性的输出58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975799

API

curl https://kongchang.com/api/v1/knowledge/claims/975799

MCP

get_claim(id=975799)