检索何时有助于时间序列预测？

检索插件为深度预测者提供了回溯窗口无法携带的信息。已发表的评估报告了一致的成果，并且每个评估都有自己的机制。我们证明，收益属于操作点：窗口长度 $S$ 和主导季节周期 $L$ 之间的关系，这是标准协议永远不会改变的轴。通过这种关系对评估进行分层暴露了政权。在 $S{=}12$ 下，重复最后一个观察周期的简单控制在七个基准中的四个上总共击败了六个标准主干，MSE 为 $8\%$ 到 $44\%$。它击败了我们在 ETTm1 上运行的最强插件，并在 ECL 上与之匹配。在训练分割光谱缺乏集中、共享周期的三个数据集上，情况更糟高达 $25\%$。视野、周期和窗口的受控综合扫描显示收益边界跟踪周期（相关性 $+0.71$），而不是视野（$-0.23$）。没有相位恢复的配对对照几乎消除了效果，与相位饥饿一致。零样本预训练也无法逃脱它：基础模型在定期基准测试中落后于经过训练的骨干网络 $22\%$ 到 $50\%$。在我们的工具中，精确查找与图扩散相匹配：回报是查询记录，而不是顶部的机器。两项可解释的统计数据（趋势测试和陈旧率）预测在留一数据集评估下每个单元的收益为 0.76 美元，这比 0.69 美元的多数规则（22 功能堆栈管理 0.57 美元）有暗示性的优势。我们不建议使用新插件。其贡献是政权地图、揭示它的协议以及在部署之前对其进行筛选的两个统计数据。代码：https://github.com/KurbanIntelligenceLab/retrieval-regime。