TS-Arena——活跃预测预注册平台
机器学习
2026-04-27 v3 人工智能
摘要
时间序列基础模型 (TSFMs) 正在改变预测领域，但评估它们在历史数据上的表现日益困难，因为存在训练-测试样本重叠以及来自相关训练和测试时间序列之间的时间重叠的风险。为此，我们引入 TS-Arena，一个进行实时预测的平台，将评估从已知过去转向未知未来。建立在持续基准测试概念之上，TS-Arena 在未来数据上评估模型。关键的是，我们引入了严格的预测预注册协议：模型必须在真实数据实际存在之前提交预测。这通过设计方式不可能发生测试集污染。该平台依赖于模块化微服务架构，协调和结构化来自不同来源的数据，并编排容器化模型提交。通过对 live 数据流实施严格的预注册协议，TS-Arena 可防止信息泄露，为传统静态、不频繁重复的竞赛（如 M 竞赛）提供更快的替代方案。首先的实证结果基于一年能源时间序列的运行结果表明，既定的 TSFMs 在时间上积累了稳健的长期得分，而持续的基准测试同时允许新人立即展示竞争力。TS-Arena 提供了评估现代预测模型真实泛化能力的必要基础设施。该平台及其相应代码已公开于 https://ts-arena.live/。
引用
@article{arxiv.2512.20761,
title = {TS-Arena -- A Live Forecast Pre-Registration Platform},
author = {Marcel Meyer and Sascha Kaltenpoth and Henrik Albers and Kevin Zalipski and Oliver Müller},
journal= {arXiv preprint arXiv:2512.20761},
year = {2026}
}