What If TSF：将预测重构为场景引导多模态预测的基准
人工智能
2026-01-14 v1 计算与语言
摘要
时间序列预测对现实世界的决策至关重要，然而现有大多数方法仍局限于单模态，并依赖于历史模式的外推。尽管大型语言模型（LLM）的最新进展凸显了多模态预测的潜力，但现有基准主要提供回顾性或未对齐的原始上下文，使得这些模型是否能有效利用文本输入尚不明确。在实践中，人类专家将假设场景与历史证据相结合，通常会在不同场景下从相同的观测中得出不同的预测。受此启发，我们引入了 What If TSF（WIT），一个多模态预测基准，旨在评估模型是否能根据上下文文本（尤其是未来场景）来调节其预测。通过提供专家构建的合理或反事实场景，WIT 为场景引导的多模态预测提供了一个严格的测试平台。该基准可在 https://github.com/jinkwan1115/WhatIfTSF 获取。
引用
@article{arxiv.2601.08509,
title = {What If TSF: A Benchmark for Reframing Forecasting as Scenario-Guided Multimodal Forecasting},
author = {Jinkwan Jang and Hyunbin Jin and Hyungjin Park and Kyubyung Chae and Taesup Kim},
journal= {arXiv preprint arXiv:2601.08509},
year = {2026}
}
备注
30 pages, 5 figures