#概率预测

拿 448 张 GPU 的真实功耗数据做负荷预测基准，LightGBM 校准后覆盖率从 63.4% 提到 87.3%，备用成本省近 10%，做电力调度或数据中心运维的可以看看。

一篇时序预测论文，用 Koopman 算子把扩散模型的多步采样换成一步闭式计算，快 25 倍还拿了 ProbTS 上 13/17 的 CRPS 第一，做预测的可以看看。

一篇很硬的理论论文，讲怎么在没有任何标注的情况下检验模型预测的校准程度，方法用逻辑一致性做抵押，还附了预注册实验。

加速度器束流预测上 CRPS 降了 65%，还能连续跑 400 多步预测不崩，做时序概率预测的可以看看这套自滚动训练思路。

一个只有 2.8 万参数的小模型，不靠数值预报，纯站点数据就能做联合概率天气预测，CPU 就能跑，做气象的可以看看。

荷兰书利润方法评估语言模型预测一致性，发现模型在概率预测上存在显著不一致，尤其在复杂逻辑关系下更明显。

研究人员提出了 DecoVAE，一个专门用于时间序列预测的轻量级 VAE 框架。它把时间序列拆成趋势和季节性两部分来处理，在多个基准测试上比其他方法更准，而且模型更小、速度更快。

Defensive Booster这新算法，用单个弱学习器同时拿到在线梯度提升和分类提升的保证，跑得还快几个数量级。

时间序列预测想同时要准均值和好分布？TORF用两阶段把这两件事拆开做，不用采样就能保住均值，短长期都跑赢了现有方法。

这篇论文教你怎么选负荷预测模型——TFT内部做分位数学习比事后校正靠谱，区间窄5倍，适合做精确调度。

这篇论文提出一个很实用的思路：训练生成模型时直接考虑下游决策成本，而不是只匹配数据密度。在概率预测场景中特别有价值。

电力系统运维和预测建模团队终于有了能评估安全约束的基准——PowerPhase 比现有基准大一个数量级，PowerForge 在安全与精度间取得最佳平衡，做电网概率预测的可以直接参考。