多变量时间序列预测需要跨变量损失：提出CvLoss结构正则化器

多变量时间序列预测中，现有直接预测（DF）范式的逐点目标未显式约束未来值的跨变量结构，存在目标失配。 论文提出即插即用的结构正则化器CvLoss，它约束预测残差在跨变量图上的边级差异，鼓励同步与异步交互的一致性。 CvLoss能一致提升多种竞争性预测模型的性能，超越代表性学习目标，并与多种预测骨干网络兼容。