时间序列基础模型的零样本盲点：简单规律也可能难以预测

时间序列基础模型在综合基准上表现较好，但它们是否掌握基本时间规律，尤其在有外生协变量的场景中，仍缺少检验。本文提出SimpleTimeBench，以单变量和多变量“单元测试”诊断单调趋势、周期信号和领先指标等基本规律；这些场景本应容易得到接近完美的预测。然而，Chronos-2、Moirai和Toto等多变量基础模型经常无法在零样本条件下做好这些预测。微调Chronos-2虽然改善了某些任务，却损害了其他基本规律上的表现，并未提高普遍适用的基础能力。这揭示了大规模预训练与基本时间推理之间的差距，提示现有模型可能缺少捕捉简单可预测函数所需的归纳偏置。问题也不只出现在合成测试中：真实传感器预测同样显示，模型未充分利用已观测协变量中的领先指标。对简单关系的掌握不足，限制了当前多变量模型的实用性与可靠性。