新基准显示模型对未见协变量取值的预测泛化仍是核心难点。
资讯摘要
论文提出 WhatIf-Bench，用于衡量预测模型能否利用协变量预测目标对未来事件的响应。基准为半合成数据，来自数据中心、电网、道路交通和水网络的机理模拟器，共 37,665 个任务，分 Replay（重放已见取值）与 Novel（设定未见取值）两类。作者报告 LLM 技能最高，优于最佳 TSFM；各模型在 Replay 上技能为 48%–85%，在 Novel 上降至 -7%–50%，回归基线降幅最大。
要点速读
- 基准基于数据中心、电网、道路交通、水网络的机理模拟器，协变量与目标关系受控，共 37,665 个任务。
- 任务分 Replay 与 Novel 两类，并变化协变量数量、历史事件数与事件长度。
- 作者报告 LLM 技能最高，超过最佳 TSFM；所有模型在 Novel 上明显下降，联合设定更多协变量时技能进一步降低。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。