论题：通用时间序列基础模型建立在一种范畴错误之上
人工智能
2026-05-19 v2
摘要
本立场论文论证，寻求"通用时间序列基础模型"的努力建立在一种根本的范畴错误之上，将结构性的 Container 与语义 Modality 混为一谈。我们认为，由于时间序列具有不可兼容的生成过程（例如金融与流体动力学），单一模型会退化为高成本的"通用滤波器"，在分布漂移下难以泛化。为此，我们引入"自回归失明界限"（Autoregressive Blindness Bound），一个理论限制，证明仅凭历史信息的模型无法预测由干预驱动的制度性偏移。我们主张用因果控制代理范式来取代普遍性，即代理通过利用外部上下文来协调一套专门的求解器，从冻结的领域专家到轻量级的即时适配器。我们通过将基准从"零样本准确率"转向"漂移适应速度"来呼吁，以优先考虑稳健的、基于控制理论的系统。
引用
@article{arxiv.2602.05287,
title = {Position: Universal Time Series Foundation Models Rest on a Category Error},
author = {Xilin Dai and Wanxu Cai and Zhijian Xu and Qiang Xu},
journal= {arXiv preprint arXiv:2602.05287},
year = {2026}
}