Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

ATT-0172 A路独立评审

论文：Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

版本：2602.06909v1；评审日期：2026-11-08。

价值与定位

这篇论文的重要性在于提出一个合理的证据标准：一个基础模型最终检查点表现好，不等于其骨干结构的创新有效。作者用普通patch Transformer配合清晰训练配方，展示一个有竞争力的概率预测基线，再在同一骨干内分析数据、容量、上下文和掩码。它的创新主要是实验分解和开放基线，而不是新模块。对读论文、选择研究方向的人有较高认识价值，建议重点读第4.2节可比性说明、第5节及附录C。阅读对象为2026年2月6日arXiv v1，不把后续会议海报当成本版结论已被独立证实。旧记录仅为低引用待处理，旧评全文并未提供。

模型不是未经处理的原版Transformer

骨干是全注意力编码器，但成功配方包括长度16的patch、残差嵌入和分位数头、连续块掩码、只用可见值估计统计量的归一化、asinh压缩以及较大训练语料。它可以称为通用Transformer骨干，不能称为“无需时序设计”。掩码感知统计避免将待预测目标的均值方差直接泄漏给模型，这是正面设计。概率输出一次生成整个目标窗口，减少自回归迭代；但不意味着预测分位数必然校准、不会交叉，文中也没有单独报告这两种诊断。全文关于插补及异常检测只说潜力，没有把它们当作已验证任务。

技术主体清楚，但公式书写有局部疏漏。第3.3节标准差公式缺少与均值对应的求和，按字面甚至会在被掩码点出现零作分母，显然需要按可见点的总体方差理解。本次核过原图，不将此当成实际程序出现信息泄漏的证据。附录MASE公式用目标区间的相邻差异作分母，未写常用训练历史的季节性尺度；若实际执行官方评估器、并在同一案例进一步相对Seasonal Naive归一化，公共分母可抵消，因此不能直接据此否定相对榜单，仍需要统一文中定义与脚本。

干净与含重叠版本必须分开

作者明确区分Zero-shot与Pretrained：前者使用真实数据、1000万KernelSynth及400万去重TSMixup；后者用1000万包含测试分布重叠的TSMixup。主动披露这一点、把重叠版本单列并删去23个相关测试案例重新看74个案例，是本文非常有价值的透明性举措。不能因出现“leaky”就把所有实验打成无效，也不能把它的最佳数值写成严格零样本纪录。

主图3全97案例上，干净模型CRPS为0.492，落后Chronos-2的0.485、TiRex的0.488和TimesFM-2.5的0.490；含重叠版本为0.480。相应干净MASE0.714也不是最好。由此最稳妥的说法是通用骨干得到接近当时最强的严格零样本结果，混合预训练版本取得所列总体最佳成绩。引言“零样本SOTA”的较强措辞与该细分不完全一致。删去23案例后，含重叠模型CRPS0.468仍略优于Chronos-2的0.469，干净模型0.474，支持收益不只局限于原先标记的重叠案例。但它不证明全部收益来自“更鲁棒表示”，因为两组TSMixup数量从400万变成1000万，语料量、领域组成和重叠同时变化。也未逐项提供所有去重键、窗口来源和跨案例相关性的审计清单，所谓干净应理解为作者定义并处理的重叠范围。

消融的长处与因果边界

表1显示纯合成CRPS0.584、真实数据0.542、干净混合0.492，说明在本骨干和配方下混合来源有明显收益。表4连续掩码块从1到8把CRPS0.514降到0.480，表2上下文2048到8192从0.500降到0.480，信号比许多千分位领先大。深度和宽度、训练步数、分位数密度及掩码比例也被分别改变，构成一组有价值的配方观察。作者明确禁止跨消融表直接比较相对Rank，是正确提醒。

不过这些实验隔离的是指定管线中的条件性变化，不是全领域所有架构的因果分解。作者没有用同数据、同计算预算重训其他骨干，而且明确声明不做，因此不能从当前结果证明架构创新普遍不重要。容量增大、上下文变长时，同样训练步数未必意味着相同FLOPs或相同有效token；深窄相对浅宽的优势也只在所选范围内成立。没有拟合幂律、估计指数或计算最优前沿，图中单调改善最好称为经验缩放趋势，而不是已完整建立神经缩放定律。数据主导的领域级判断仍是一项待跨骨干检验的解释。

基线、统计与边界

基线采用官方GIFT-Eval榜单的近期模型结果，且附录列出各自规模、上下文、语料，适合比较最终可用产品。文中也承认预训练配置不同，这比用榜单直接宣称骨干优越严谨。另一方面，榜单快照、具体评估版本和某些基线假定仍影响可重复性，例如TiRex-1.1上下文延续旧版值是作者明示的假设。55数据集、97案例覆盖面广，但同一来源的不同频率和跨度不是97次独立实验。缺少多训练种子、逐案例配对不确定性及其他独立基准，使0.001至0.005的排名差别无法稳定解释。

附录C.2展示长跨度失败是优点，但以一类合成多频正弦样例推导约2000时间点可靠上限，只是该例下的经验界线。固定总长度8192时，预测段变长也会挤占可见历史，不能纯归因为预测跨度本身。更多预测图同时呈现季节与趋势，不只放单个漂亮成功例，但这些图仍不能替代分层总体结果。主图和附录图注说三指标都几何平均，正文却说Rank算术平均，属于需更正文案或核实现的局部报告冲突，不应自行选择一种当作已确定事实。

开放性、成本与可带走内容

附录给出100k步、有效批量2048、AdamW、学习率、权重衰减、混合精度和掩码实现细节，Hugging Face入口也明确。但语料混合采样比例、完整生成快照、去重清单以及总GPU小时仍未在全文闭合；本评未下载审计或训练。推理延迟在同一RTX6000 Blackwell、batch1测量，兼容模型统一8192上下文，对不兼容者注明不同长度，TiRex因内核兼容性排除而非偷偷计作很慢，这些说明较负责。一次性多步输出有延迟优势，不能外推训练或所有硬件的总成本优势。

本文最值得保留的研究方法是分别问“最终检查点是否好用”和“某结构是否提供独立增益”，再把数据、训练配方和硬件条件放进证据链。建议阅读而不照抄最强结论。用户是否准备训练如此规模模型、是否已有这些认识未知，所以F组保持未知；不能把开放下载入口替代用户实际可行性。

24维评分

核心主张

- CL01：通用patch Transformer可成为强基础模型基线。条件：含专门处理和训练配方，指定GIFT-Eval。支持：支持。定位：图3、表1–5。
- CL02：严格零样本版本取得所列全榜单最优。条件：不能使用含重叠Pretrained结果替代。支持：不支持字面最优；支持接近SOTA。定位：图3。
- CL03：领域近期进步主要由数据而非架构驱动。条件：需跨骨干等语料等预算实验。支持：单骨干内支持配方重要性；领域级归因未证。定位：§5、6、可比性声明。

风险和问题

- R01（重要问题；分组及数值已确认）：严格零样本不是全榜单最优；最佳模型含已披露重叠。定位：§4.1、图3。问题：所有SOTA表述是否明确限定版本和指标？
- R02（重要问题；对照同时改变多个因素）：Clean4M和Leaky10M同时改变量、领域及重叠，无法纯归因泄漏或表示学习。定位：§4.1、5.1、图6。问题：等量匹配组成后，重叠与新增多样性各贡献多少？
- R03（重要问题；不确定性信息缺失）：细小排名差异缺多种子及案例相关性处理。定位：图3–6、表1–5。问题：主要结论对种子和数据来源分层重采样是否稳定？
- R04（局部问题；原文不一致）：标准差漏求和、Rank聚合图注/正文不同、MASE尺度描述需统一。定位：§3.3、§4.2图3、附录B.1/C.1。问题：可执行脚本中的精确定义是什么？

阅读与版本记录

{
"legacy": "先读待处理历史摘要；旧评全文缺失",
"full_text": "PDF1–19全部正文、参考文献、附录A–C及所有预测图阅读",
"visual_checks": "p3归一化公式，p5全榜单，p14干净子集与失败图，p15–19预测及延迟图",
"code_executed": false,
"data_versions": "2602.06909v1；4M Clean和10M Leaky TSMixup分列，未独立审计数据/仓库快照"
}

正文中文字符数：1893。旧评全文未提供；只读可得摘要。未读其他新评。未运行论文代码、训练或推理。

ATT-0172 B路独立评审

Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

版本：2602.06909v1；阅读完成：2026-11-08T02:45:16.413804+00:00；物理页：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]。

先读历史清单：本篇只有“未评审”等条目，没有完整旧评。以下针对2602.06909v1的十九页正文与附录；会议、引用量不参与评分。论文的实用价值是把时间序列基础模型的架构比较重新放回数据、训练预算和目标设计的背景，而不是提供一种新的注意力。模型仍是PatchTST式编码器，加入残差输入输出头、分位数预测、掩码感知归一化和连续块掩码，以一次前向重建未来。这个组合清楚且有可复用性，但不能把组合后表现强直接等同于已经证明架构创新不重要。

最重要的阅读边界是两个模型不能合并讲述。第4页说明Pretrained使用含评测重叠的TSMixup，涉及97个测试设置中的23个；Zero-shot使用清理后的混合数据。图3中Pretrained的MASE为0.696、CRPS为0.480，Zero-shot分别为0.714、0.492，而Chronos-2分别为0.698、0.485。因此本作提供了强零样本基线，却没有在这些总体数值上取得严格零样本第一。作者明确披露污染并分别报告，值得肯定；摘要和结论中较宽泛的领先表述仍容易让读者把受污染模型的最好结果迁移给干净版本。

第14页排除23个重叠设置后的结果很有价值，但不消除所有混杂。在剩余74个设置上Pretrained的CRPS为0.468，略优于Chronos-2的0.469；其MASE为0.682，却不及后者0.676。干净模型为0.692、0.474。排除直接重叠能够削弱“全由记忆测试集解释”的判断，不能把差异唯一归因于数据多样性：清理前后混合数据规模分别为一千万与四百万，内容、数量和分布一起变了，论文未给出足以复核的逐项重叠清单。真实数据、合成数据与混合数据的表1也不是完整析因对照，所以“互补”和“正则化”应保留为解释而非已识别因果机制。

消融的强处是覆盖模型宽深、训练步数、上下文长度、分位数数量、掩码块和掩码比例，信息远超过只报排行榜。连续块大小由1变8时MASE由0.750降至0.696，是明显的现象；掩码比例20%、40%、60%、80%的差别则小得多，没有多随机种子误差条，不能据此宣布40%具有稳定唯一优势。更长上下文也增加计算，按相同步数比较并不意味着等计算预算。四个深度或宽度设置展示了缩放趋势，却不足以建立严格的标度定律。深窄模型参数效率更好，与计算、吞吐效率更好亦不同。

方法定义总体可读，归一化只用可见数据避免了显然的未来统计量渗入，但附录第12页的MASE公式把缩放项写在测试目标相邻差分上，和常用训练期季节性朴素缩放不一致。这是需要限定的数学报告问题；作者采用GIFT-Eval，不代表本次已核实实际实现采用错误公式，不能由排版直接判定全部数值无效。图3说明把全部指标写为几何平均，正文又把排名写为算术平均，也应区分正文定义和图注简写。概率预测给出九个评估分位点及区间图，但未展示校准误差、分位数交叉等证据，图15—17页的可视化不能替代总体概率可靠性。

效率证据具有明确适用条件。第19页采用RTX6000 Blackwell、批量1，通常固定总长度8192，Sundial受结构限制为2880，TiRex因内核编译不兼容被排除。一次前向的延迟随所示预测长度变化很小，能支持该设置下的推理优势；不能扩展为任意硬件、训练成本和所有长预测长度均最省。训练使用V100和十万步，但总GPU时数、显存与能耗不足。第14页多正弦超长预测随预测期增加也减少同一总长度内历史量，所以约两千步后退化不是与上下文长度独立的普遍上限。

资源核查仅打开官方Hugging Face模型卡，没有执行模型。入口提供研究版本与实现链接，但标注非商业许可，并描述干净混合数据；这使公开权重与论文两种训练设置的准确对应仍值得保留为版本边界，不假定最好成绩可直接复现。适用范围目前是单变量零样本预测，不能由宽广的GIFT-Eval覆盖推出多变量协同、外生变量或在线漂移均成立。总体判断是有价值的强基线和系统拆解，论文对架构必要性的普遍否定、数据多样性的唯一归因以及严格零样本第一需要收窄。最值得继续思考的问题是“数据与目标改善在多少架构间可迁移”；若同预算的结构差异仍主导表现，该研究的广义解读就会减弱。优先亲读第4—6页的训练数据分组与图3、表1，再读第14页排除重叠后的图6，避免混淆两种模型。这是证据边界，不向读者布置补实验任务。

24维评分

材料边界

旧完整评语缺失，只先读现有历史记录；未查看本批其他新评。论文结果均为作者报告，本次没有运行代码、训练或推理。资源入口核查与执行复现分开，未核验项不写成已验证。未将arXiv版本与会议终稿混为逐字相同。引用量与会议身份不转为质量分。

ATT-0172 C路独立评审

版本与阅读记录

论文：Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

阅读版本：arXiv 2602.06909v1；首次公开：2026/02/06；本版日期：2026/02/06。发表记录：NeurIPS 2026 official poster record; not yet conference proceedings。不将不同版本视为逐字一致。

阅读记录开始：2026-11-08T02:38:34Z；完成与冻结：2026-11-08T02:41:35.762068+00:00。PDF共19页；SHA256：［校验标识已隐藏］。页码均为PDF物理页。先阅读旧条目，旧完整评语未提供；不读取其他新评。未运行实验。

阅读判断与独立详评

这是一篇实证分析兼强基线论文。若目标是理解时间序列基础模型的训练配方，建议重点阅读；若目的是证明 Transformer 架构优于其他架构，只能定向查阅，因为文章并未进行等数据等计算的跨架构训练。先读的历史条目只说明未评审及引用数，不构成质量判断。本文评价限定于二〇二六年二月第一版，十九页正文和附录均已读取，后续会议记录不能自动补足该版本的证据。

核心工作是构造一个带连续片段掩码、可见点归一化、双曲反正弦变换和分位数输出头的标准分块 Transformer，然后在其内部改变数据组成、宽深度、训练步数、上下文长度及掩码设计。它没有声称每个部件原创，连续掩码等也注明来源。贡献主要是把成熟组件组合成公开强基线，并展示统一管线内的一系列经验规律。这个定位很有价值：不同模型的训练语料和工程手段可能掩盖架构贡献，单看排行榜不能回答创新从何而来。

最重要的限定是零样本与含重叠预训练版本必须分开。严格版本使用四百万条清洁 TSMixup，另一版本使用一千万条包含测试分布来源的混合序列。九十七个任务上，后者 CRPS 为零点四八零而严格版本为零点四九二；TiRex 为零点四八八，TimesFM 为零点四九零，Chronos-2 为零点四八五。因此严格版本表现有竞争力，但主图并不支持它在该指标上达到最佳。摘要和开头的零样本最先进措辞应限定，不能拿明确含重叠的版本成绩替代严格零样本结论。作者主动披露数据重叠并分别标记，是值得肯定的透明行为，不应因为披露反而推断研究诚信问题。

作者进一步删除二十三个重叠测试任务，在剩余七十四个任务上比较：较大混合数据版本依然有较好的 CRPS 和排名，支持收益不只存在于直接重叠任务。然而这一设计并不能单独量化泄漏的因果效应。清洁与含重叠数据同时改变条数、领域构成与多样性，删除被重叠任务也不能排除邻近领域暴露的影响。该结果说明额外数据可迁移，而不能证明某种更广泛数据覆盖必然无风险，更不能把两者差异全部叫作泄漏收益。第十四页的结果还显示该版本 MASE 零点六八二，略差于 Chronos-2 的零点六七六，所以跨指标的最佳也应分别表述。

内部消融是论文最强部分。真实数据与合成数据组合明显优于任一单源，连续掩码从单块到八块时 CRPS 从零点五一四降到零点四八零，长上下文也有清楚收益。这些证据支持配方中的关键部件确实影响效果。但数据组合实验不是完整析因设计，缺少所有成分组合与固定样本量条件，合成数据充当正则化的解释只是可能机制。上下文变长同时增加可见信息、计算和训练样本长度，不能把全部收益归于一个抽象的长程推理能力。模型宽深度比较按参数数目接近并不等于计算预算相同，也不足以概括所有任务都更偏爱深度。

关于缩放定律，现有结果更准确地说是有限范围内的经验缩放趋势：训练曲线总体改善，但图五仍有局部反弹，严格单调的配文过强。论文没有拟合幂律、给出拟合误差或证明计算最优分配，因此不宜用缩放定律的措辞暗示可外推的定量规律。多个配置的差别很小，尤其输出九、二十一、九十九分位数时 CRPS 只差千分之一到二，没有多种子或任务级置信区间，不能确立细粒度配置的稳定排序。预测图上的百分位带是模型预测区间，不是实验统计置信区间。

评价与实现说明总体不错：可见点归一化避免把被遮挡目标用于均值方差，缺失值和填充值不参与损失，附录解释短序列自适应掩码。主要学习率、优化器、批量、训练步数和模型宽深度均有提供，模型及管线入口明确。本次只核对文稿入口，没有验证权重、训练语料快照或运行脚本。几个局部报告问题仍需记录：第五页正文称 Rank 使用算术均值，图三和图六标题却称三种指标都取几何均值；第七页二十一分位数对应集合，按明示的十分位步长实际上列出十三个水平。这些不一定改变主要模型表现，却妨碍精确重建配置与排序。

效率分析比仅列参数更有信息：附录在同一 RTX 6000 Blackwell、批量一、长上下文条件下测了推理时间，并公开排除 TiRex 是编译兼容性原因。模型单次并行输出在三十二至五百一十二预测长度内基本维持固定时延，这是有边界的部署优点。它不代表任意预测长度都成本不变，也不代表训练便宜；十万步、有效批量两千零四十八的预训练没有报告总 GPU 小时或完整能耗。单个合成多频正弦例子超过约两千步预测失败，展示了有用失败案例，但不能据此给出所有现实序列的统一最大可靠长度。

可带走的主要方法是把最终模型效果和架构贡献分别评价，同时显式区分已暴露领域与未暴露任务。尚未解决的研究问题是：数据多样性的收益中有多少来自覆盖新增结构，有多少来自样本量或目标领域接近性；如果在等量且隔离领域条件下差异消失，多样性机制就应被收窄。这是现有证据边界，不是要求用户执行的新实验。优先阅读第五至七页的比较限定与消融，以及第十四页的清洁子集和失败案例。个人使用四维依赖未提供的目标与资源，保持未知。

24维评分

冻结说明

保留24维原始分数，不编造个人F组分数，不输出无依据总排名。前作全文补查有限，原创性暂定。完整旧评缺失，历史摘录只作待核线索，不算独立评审票。冻结后若材料变化，另立修订而不覆盖本记录。

ATT-0172 独立评审 D

论文：Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

版本：arXiv 2602.06909v1；版本日期 2026/02/06。首次公开 2026/02/06。评审 2026-11-08。

冻结时间（UTC）：2026-11-08T02:44:25.388335+00:00

阅读记录：2026-11-08 UTC，先读旧候选行，再逐页读19页全文：正文1–8、参考9–10、附录A–C11–19。视觉核对MASE式、clean子集图、长预测失败与所有附录预测/消融/延迟图。未读其他新评，未运行模型。

旧评边界：只收到历史摘要/行记录，旧完整评语缺失，不作为新评票；未读其他新评。

核心主张

- 标准patch Transformer加合适数据与训练策略，可达到很强的通用单变量预测表现。

- 自身多轴消融揭示配方作用；外部排行榜是成品比较，非同条件架构优劣证明。

详细评审

本文的核心价值是把“模型成品好用”和“架构本身更好”分开。作者用标准 patch Transformer、分位数输出和一套已有训练技巧，展示了相当强的通用预测表现，再在自身体系内改变数据、规模、窗口与掩码方式。作为面向研究规范的强基线，这比再给成熟组件起一个名字更有意义。本文也明确限定为单变量零样本预测，不比较微调或智能体流程，不把多变量联合建模当作已完成的能力。旧候选记录仅因引用少而待处理，这不影响本次方法评价。

架构本身相当常规：非重叠片段、残差嵌入、全注意力编码器、可学习位置表示和分位数头。掩码感知归一化只用可见位置统计，避免把待预测目标分布带入均值方差；双曲正弦逆变换压缩极端值；连续片段掩码扩大训练信息缺口。附录还区分预测、缺失及填充掩码，并针对短序列调整连续掩码长度，这些都是可靠实现所需的细节。因而原创性应主要给系统性实验和公开训练配方，而不是主干结构。其组合并非完全没有时序设计，把结论表述为“毫无任务特定技巧的原生 Transformer 已解决预测”会误读论文。

最需谨慎的是最优成绩与零样本边界。九十七个测试案例上，干净零样本版本 CRPS 为零点四九二，TiRex 为零点四八八，TimesFM 为零点四九零，Chronos-2 为零点四八五；作者自己的最佳零点四八零来自使用含目标分布混合数据的 Pretrained 版本。论文正文主动区分两种版本，并承认排行榜比较的是架构、数据和训练的整体成品，这值得肯定。然而摘要中“最先进零样本性能”的表述仍比完整主表更强。清除二十三个已知重叠案例后，剩余七十四案例上 Pretrained 的 CRPS 为零点四六八，略优于 Chronos-2 的零点四六九，MASE 却为零点六八二，略差于对方零点六七六。因此不能把任何一个预训练版本的全指标优势归结为已严格证明的架构领先。

污染对照是重要贡献，但并没有完全量化污染本身的因果效应。干净 TSMixup 有四百万条，含重叠版本有一千万条，两组同时改变了样本量、分布广度与目标域接触。剔除已知二十三案例后优势仍在，能反驳“所有提升都仅发生在直接重叠测试案例”的简单解释，却不能排除额外六百万样本或与剩余任务相关的间接域接触。更强的检验应在相同数量、来源权重和训练 token 预算下比较有无目标域，再提供明确的去重清单。文中 real-only、synthetic-only 与混合数据之间的差距很大，支持多源组合有效，但缺少 real+KernelSynth 不含 Mixup 等完整因子组合，无法独立给三种数据源分配贡献。

自身消融的覆盖仍然较好：深度与宽度分别扩展，训练步数从中间检查点到十万步，输入长度从二千零四十八到八千一百九十二，输出九、二十一和九十九个分位数，连续掩码长度与掩码比例都进行了比较。连续掩码从一块到八块使 CRPS 从零点五一四改善到零点四八零，长上下文也有明显收益；输出分位数增多只带来小差距。这些结果直接指导基线构建，比笼统地说“数据最重要”更有用。不过许多消融基于含重叠的预训练版本，应在干净版本重复关键结论。更多层、更多 token 和更长窗口会增加计算，同参数量不等于同训练 FLOPs；曲线单调也不是已拟合并验证了幂律形式的缩放定律。

外部比较相当诚实地采用官方排行榜成品，并没有把其他模型全部同语料重训。这样能证明普通架构也能成为有竞争力的产品，不能据此排序架构优劣，正文也明说其目标不是架构优越性。该边界应延续到结论中所谓数据和训练是“主导驱动”的句子：这是本文架构、语料和可用预算范围内的经验证据，不能直接断言所有时序基础模型近期增益的来源。深窄胜过浅宽还可能与优化步数和学习率的适配有关，不应直接解释成已经观察到更强的分层推理能力。

评价与报告有几处需要核对。图三及图六图注说包括 Rank 在内均采用几何平均，正文却说 Rank 是算术平均，必须以评测脚本和原始分案例结果澄清。附录 MASE 公式用目标序列相邻差作分母，与常见使用历史训练段季节朴素误差的定义并不一致；不能据公式断言实际排行榜代码算错，但应修正文档或说明采用的变体。当前没有逐数据集完整结果表、重复随机种子和置信区间，最强模型之间千分位的差距尤其不能视为显著。图中的预测区间只是分布输出，不是模型间性能差的统计区间，也缺少系统的区间覆盖校准检验。

资源与复现方面，附录列出二十层、一千零二十四维、有效批量二千零四十八、十万步、优化器和学习率日程，公开模型与训练管线地址明确。训练在 V100 上使用半精度，不等于低资源用户能便宜重训，GPU 数量、墙钟时长和整个消融总成本没有交代。推理实验倒是给出 Blackwell RTX 6000、批量一、兼容模型统一长上下文及官方实现，优于只报参数量；单次并行预测使时延随预测长度变化较小。TiRex 因编译兼容问题被排除，论文也明确披露，不能把图扩展成对所有对手的速度优胜。

附录展示合成正弦长预测失败，约两千步以上逐渐退化，是有用的诚实边界，但单个合成族不能定义所有数据的通用可靠长度。整体而言，本篇适合作为阅读数据、训练和架构混杂问题的研究基线，知识收益较高；最值得复用的是可控消融框架与泄漏分层报告。其贡献应被概括为“普通架构有充分竞争力”，而不是“已用严格公平条件证明普通架构最优”。本次仅文献审核，未下载权重、执行训练或验证所发布管线。

24维评分

量表0—100，5分步长；暂定范围不是统计置信区间。F组个人背景不足，保留未知。未设置总分。

缺失与限制

- 旧记录仅候选行，旧完整评语缺失。
- arXiv v1为评审版本，官方poster不是已比对的会议终稿。
- 公开地址 https://huggingface.co/ibm-research/patchtst-fm-r1 ，未下载权重或运行。
- clean/leaky混合数据数量不同，不能独立量化泄漏因果作用。
- 多种子、完整训练成本、逐案例分数和确定去重明细不足。
- F组用户信息不足未知。

详评正文汉字数：1803。未执行代码、训练、推理或复现。

ATT-0172 独立评审 E

论文：Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

评判版本：arXiv 2602.06909v1；版本日期 2026/02/06；首次公开 2026/02/06。阅读完成时间（UTC）：2026-11-08T02:44:22.325527+00:00。全文 19 页，页码均指此PDF物理页。

旧记录已先读；完整旧评语及sidecar缺失，不计作新评，不继承分数。未读取其他新评。本文未运行实验或论文代码，未验证仓库可执行性。

核心判断与全文评议

本篇不是靠一个新注意力算子取胜，而是提出一个重要的方法论问题：时间序列基础模型的排名提高，究竟来自架构，还是来自训练数据、上下文和训练目标？作者用标准全注意力Transformer、非重叠patch和分位数输出头建立较强基线，再在同一管线内改变数据、模型深宽、训练步数、上下文与掩码方式。研究问题值得重点阅读，特别适合在提出复杂架构前校准基线强度。与此同时，论文最强的贡献是“通用模型足够有竞争力”，并没有完成对不同架构的同数据同预算因果比较，不能据此宣判架构创新不重要。

历史记录只有未评审条目与引用数，完整旧评缺失。我先读身份与该历史，再阅读19页PDF全部正文、附录、表格及预测可视化，最后六页图另做视觉核查。版本固定为2026年2月6日arXiv v1，页内另有2月9日预印本日期，身份记录的后续会议海报不视作同一文档。未运行实验，也未验证发布模型能否直接加载。所有个人相关性维度因用户研究目标缺失而保持未知。

架构描述总体清晰。连续patch掩码制造较长信息缺口，避免随机散点掩码只学局部插值；只用可见位置统计均值与标准差，减少目标分布泄漏，再用asinh压缩异常尺度。缺失值、预测目标和左侧padding分别处理，补充说明也承认正文把它们简写成一个掩码。分位数头一次输出全部目标patch，因此不依赖逐步自回归采样。这里的“通用”不是完全未经时间序列适配：归一化、patch、连续掩码、分位数头及数据增强均是关键设计。论文较好地给出了这些来源，应把贡献看作清晰整合和受控分析，而不是所有组件原创。

最需要注意的是干净零样本模型与含目标域暴露模型的区分。作者明确发布两种设置：前者用真实数据、一千万条KernelSynth和四百万条Clean TSMixup；后者用一千万条Leaky TSMixup，其中23个评测case与训练分布重叠。这个披露值得肯定，不能把它说成隐瞒污染。全97个case的最佳CRPS为0.480，来自Pretrained而非Zero-shot；真正干净版本为0.492，落后TiRex的0.488、TimesFM的0.490以及Chronos-2的0.485。因此摘要与贡献部分“零样本SOTA”措辞过强，正文较准确的“高度竞争”更符合表图。

移除23个重叠case后的74个case仍然有信息价值：Pretrained的CRPS为0.468，略优Chronos-2的0.469，说明收益并非只体现在直接重叠的测试任务上；但其MASE为0.682，仍逊Chronos-2的0.676。更重要的是两个模型不仅暴露域不同，TSMixup总数也从四百万变成一千万，因而不能把差距纯粹量化为“泄漏的影响”或“额外多样性”的独立效应。排除case降低了直接重叠风险，却没有控制训练量、混合比例和相关域相似性。这里是因果解释不足，而不是数据结果必须作废。

内部消融给出了实质认识。真实数据单独训练CRPS为0.542，KernelSynth单独为0.584，干净混合为0.492，确实显示组合的价值；但缺少等样本量的混合设计，无法把规模与成分完全拆开。连续掩码从一个patch增至八个时CRPS从0.514降到0.480，明显大于输出分位数从九个增至九十九个带来的0.482到0.480变化。这有助于研究者把精力放在训练任务而非输出头精细化上。上下文2048到8192时从0.500降到0.480，也支持较长历史有益，不过主要消融采用Pretrained配置，其解释不应自动等同于严格零样本条件下的增益。

深窄优于浅宽与更长训练继续获益的曲线可以用来指导配置，但“确认标准缩放律”仍然说得过满。这里没有拟合明确幂律、计算最优前沿或相同FLOPs对照，模型变大和训练变久本来就同时增加资源。所展示的几种规模和训练区间足以支持经验趋势，不足以证明长期不会饱和或更深架构必然更经济。也没有多种子重复、置信区间或独立benchmark检验，因此千分位的CRPS优势不宜作为稳定胜负。Rank受比较集合变化影响，作者主动提醒不能跨消融表直接比排名，这一点是优点。

评测与写作有两项局部一致性问题需要修订。正文说Rank用算术平均，图3和图6图注却写三种指标均用几何平均，影响复现汇总口径。附录MASE公式把缩放分母写成目标序列内相邻差，而标准基准一般应明确历史尺度与季节周期；作者又声称遵循官方评测，因此这里至少是公式和实现说明未对齐，不能在未检查代码时断言实际算错。正文标准差公式也省略必要求和记号。这些不应掩盖整体可理解性，但与“透明可复现基线”的目标直接相关。

资源信息给出V100混合精度、十万步、有效批量2048及完整优化器参数，并在RTX6000 Blackwell上统一批量一比较推理。单次并行预测的速度优势有合理支撑；然而TiRex因编译兼容被排除，部分基线上下文长度不同，结果只能按该硬件与配置解释。没有GPU总时数或完整数据混合采样配方，训练成本与跨架构计算效率仍不透明。附录用合成正弦展示预测超过约两千点明显退化，这是有用的边界案例，却不足以把“两千”变成普遍可靠上限。

综合建议重点阅读训练配方、干净与含重叠数据的拆分、连续掩码及上下文消融。论文提供一个值得认真对照的基础模型和研究检查框架，但最可靠的结论应收窄为：在给定语料、任务和预算范围内，经过合理训练的标准Transformer已经很强；要进一步说数据比架构更重要，仍需不同架构在相同数据、预算和评测下的直接证据。

完整24维评分

风险记录

- R01 重要，已确认：零样本与Pretrained需严格区分，后者有23case分布重叠且TSMixup多六百万条。（PDF 4—6、14）。
- R02 重要，已确认缺失：无等计算跨架构实验、重复种子或小差距置信区间，缩放和领先结论须限定。（PDF 5—8）。
- R03 局部，已确认文本问题：Rank算术/几何汇总说明冲突，MASE分母与官方基准口径未对齐；未断言代码算错。（PDF 5、12、14）。

汇总与阅读建议

重点阅读强基线与训练因素；不把含目标域暴露模型的最佳成绩称为严格零样本SOTA。已评分20/24维，F1—F4未知；无总分、无强制排序。重点位置：4—7页数据与消融；11—13页实现；14页去重子集与失败边界；19页推理计时。

结构化数据见同目录 review.json。