Kuiye Ding团队CvLoss获NeurIPS 2026接收

多变量时间序列预测中，现有直接预测范式的逐点目标未显式约束未来值的跨变量结构，存在目标失配问题。Kuiye Ding、Yifan Hu等团队提出即插即用的结构正则化器CvLoss，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。 该损失函数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。目前，该CvLoss论文已被顶级会议NeurIPS 2026正式接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。