概率时间序列基础模型的不确定性校准评估

研究揭示了流行概率时间序列基础模型（TSFMs）存在系统性的校准偏差，标准指标往往掩盖了这些偏差。 作者提出了细粒度评估框架，区分了池化、分步长及条件校准概念，并分析了事后重校准方法的有效性与局限性。 该结果为评估和改进 TSFMs 的不确定性提供了实用指导，并指出了当前实践的重要局限。