在缩放后目标上计算损失使时间序列基础模型预训练MASE在全部24项架构-基准对比中下降,GIFT-Eval平均降低18.8%
该工作证明:仿射缩放(如ReVIN)在计算损失前反变换会把每个序列的梯度乘以缩放分母的幂,使高尺度序列主导训练(ScaleCon);改为在缩放后目标上直接计算同质残差损失(ScaleIn)后,每个小批量梯度与完整优化轨迹对序列的任意独立正缩放不变,并在四个TSFM架构预训练中于全部24项架构-基准对比降低MASE,GIFT-Eval平均降低18.8%、M竞赛平均降低21.9%。