ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

ATT-0594 A路独立评审

论文：ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

版本：2503.12107v1；评审日期：2026-11-08。

阅读判断与贡献

ChronosX解决的是一个实际缺口：已有单变量预训练预测器常不能直接使用价格、天气、日历等外生变量，而重新预训练的代价较大。本文在已有输入表征和输出分布附近插入小模块，把协变量接入已有模型，工程上有明确用途。建议优先读第4节、图5及第6.3节，然后结合附录B、G、I判断自身场景。首次公开时间按2025年3月15日，不能用之后模型的发展倒扣当时原创性，也不能因为AISTATS录用直接加分。

历史文件没有可得旧评记录，更没有旧评全文，因此本评不存在可引用的历史质量结论。独立阅读全文和附录后，我认为核心贡献是可复用的适配接口及比较完整的适配消融，而不是新的注意力原理或概率理论。输入注入模块把目标序列token表征与历史协变量的线性表征拼接，经前馈网络残差更新；输出注入模块用未来协变量和最后隐藏状态调整预测分布的logit。冻结骨干仅训练适配器，与全模型微调分别报告，这一划分清楚，也避免把“可训练参数少”等同于“整个模型小”。文中还把接口移到MOMENT和TimesFM，表明思路不完全依赖Chronos离散化。与既有适配器和协变量预测器的精确优先权，本次未逐篇查读前作全文，故原创性维度保留暂定。

实证支持及其边界

合成实验不是随意画几条好看的曲线。附录E定义单周期、多周期、变化趋势及噪声等基础序列，配合尖峰、阶跃、钟形与自回归协变量，再区分加性和乘性，共32种条件。每组100条长度1827的序列，预测30步，能直接观察外生变量注入是否有效。其缺点也明确：未来外生变量按构造已知，这验证“获得正确协变量后能否利用”，不能直接证明部署时未知天气、价格等可获得。真实18个数据集提供补充，主要覆盖能源及若干其他任务，预测长度多为24、M5为28，不宜外推到任意超长跨度或稀疏冷启动。

主图5的实质结果是：相对Chronos Small归一化后，ChronosX的真实数据聚合WQL为0.878，约改善12.2%；这是有价值但并非数量级的提升。MASE为0.911，落后于NBEATSx-G的0.898、NHiTS的0.902及PatchTSTx的0.905。因此“所有指标最好”不是本文已支持的结论。附录表8又显示ETT小时级及M5相对原Chronos并未改善，另一方面Electricity-DE和Bull等收益明显。合成简单任务中TFT的WQL为0.012，而冻结ChronosX为0.735，复杂任务PatchTSTx为0.188而ChronosX为0.782。作者公开保留这些落后结果，是报告优点；读者应把本文当作改善现有基础模型适应性的工作，而不是全面取代专用预测器。

基线、消融与归因

基线覆盖统计方法、任务专用神经网络、预训练模型及带协变量版本，范围较广。PatchTSTx的协变量拼接方式也有说明。不过附录G说明基线使用默认超参数、未做专门调参，而本文主要Chronos变体在三档学习率中按验证选择；上下文长度和训练方式也不完全相同。因此相同测试集并不自动等于同一调参预算，对较小的聚合领先尤其要保留比较公平性的不确定性。WQL以九个分位数计算、采样模型使用100个样本，MASE使用中位数预测，指标描述总体清楚；点预测基线怎样形成用于WQL的分位数仍值得在实现中核对。

无协变量的适配器对照在真实数据上WQL为1.011，而正常ChronosX为0.878，说明收益不是仅增加若干可训练参数就能解释。残差预测对照约0.944，输入和输出两种注入分别约0.901、0.889，而合用为0.878，支持接口选择有价值。但MASE上仅输出注入0.898反而优于合用0.911，合成任务中仅输出注入也可能明显优于两者并用。更大骨干以及更复杂适配器并非始终更好，真实数据全量微调WQL为1.174，明显差于冻结方式。把这些观察解释为小样本过拟合是合理假说，但论文没有独立操纵数据量、正则化强度及优化程度来完成因果鉴别。附录I.6显示简单线性模块在复杂合成数据上更好，因此默认架构是经验折中，不是每个构件都不可缺少。

数据、稳定性及复现

附录F列出数据长度、通道和协变量数量，附录B给出隐藏维度、5000步、每100步验证、学习率候选等配置，支持重建主要流程。三个随机种子的均值和大量逐数据集表格比单次最佳值可靠，但未看到与所有主要差异对应的标准差、置信区间或配对显著性检验。表中百分之几的差距不宜读成稳定排序。更关键的流程问题是，真实任务各协变量的字段定义、未来时点可知性、发布延迟及预测时截断规则没有逐项展开；这是一项信息缺口，不是已经证明存在未来泄漏。对预训练语料与评测序列的重叠也未完成独立审计，不能据此断言污染或断言完全无污染。

代码入口指向amazon-science仓库的chronosx分支，但本次仅确认论文给出入口，未审计仓库快照、依赖锁定或运行脚本。附录I.1把训练加测试的平均运行时间与更新参数量并列，冻结适配明显比全量微调节约优化资源。它仍保留骨干推理开销，不能把更新参数的数量当作模型总存储量，也不能把不同CPU/GPU设备的基线时间横向当作纯算法效率。预训练成本不需要由每个使用者重付，但其存在应与本次适配成本分开陈述。

可带走的认识

本文最可复用的想法是把“已学习的时间序列规律”与“当前业务的条件变量”分开接入和更新，并且明确比较冻结、全调及仅输出注入。下一步研究价值在协变量可靠性和可获得性，而非继续堆模块：当未来输入只能以预测值给出、存在延迟或漂移时，适配器还能保留多少收益尚未知。通用研究价值较好，个人使用价值则取决于用户是否真的有可用协变量和可部署骨干。四项F维度没有足够个人背景，维持未知。

24维评分

核心主张

- CL01：输入与输出注入可让已有时序骨干利用外生变量。条件：指定协变量已获得且适配器在相关数据上训练。支持：支持。定位：§4式2–6；附录I.3–4。
- CL02：冻结ChronosX改善真实任务聚合概率预测。条件：本文18数据集及默认基线/调参设置。支持：支持但不能外推所有数据或所有指标。定位：图5；表8–9。
- CL03：适配器相对全微调具有更好成本效果。条件：已拥有预训练模型；比较训练加测试和更新参数。支持：部分支持；非总模型存储/全生命周期成本。定位：附录I.1图11。

风险和问题

- R01（重要问题；流程信息缺失）：真实任务未来协变量的as-of可知性和发布延迟未逐字段说明。定位：§5.1、附录F。问题：各字段是在预测发出时已知、另行预测还是使用事后真实值？
- R02（重要问题；已确认设置差异）：基线多用默认配置，本文主要变体选择三档学习率，比较预算不完全对等。定位：附录B、G。问题：相同验证预算下的差异是否保持？
- R03（重要问题；不确定性报告不足）：三种子均值未配套主要差异的方差或区间。定位：表4–33。问题：小幅聚合优势相对于种子及数据集变异有多稳健？
- R04（局部问题；边界已在表中可见）：MASE、部分数据集、合成任务并非最佳，双注入与复杂模块也非处处必要。定位：图4–8、附录I.4/I.6。问题：推荐默认配置的条件能否依据样本量和协变量形式说明？

阅读与版本记录

{
"legacy": "先读legacy_reference_only.json，records为空；旧评全文缺失",
"full_text": "读正文1–9页、参考与checklist10–12页、附录A–I全部叙述；逐数据集表格浏览及重点数值核对，未重新计算每个表格单元",
"pages": "PDF 1–53；I.7图17–33逐图浏览",
"visual_checks": "PDF p19、23、25、32–34，37–53图组；公式以原文及邻项核对",
"code_executed": false,
"data_versions": "以2503.12107v1及其数据说明为准；外部数据与代码快照未独立锁定"
}

正文中文字符数：1771。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-0594 B路独立评审

ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

版本：2503.12107v1；阅读完成：2026-11-08T02:35:26.535936+00:00；物理页：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53]。

独立判断

本篇建议保留为外生变量适配的实用方法文献，重点学习可插拔接口与消融设计，不应把它理解成全面超过专用模型的新预测骨干。先读所给历史文件，其记录为空，完整旧评缺失。本次覆盖五十三页正文、参考文献、附录表格与预测示例；图示只支持定性理解，不代替独立复现。论文在时序基础模型往往仅接收目标历史这一真实缺口上，提出输入端和输出端的残差注入模块，将过去及未来协变量映射到预训练表示空间，默认冻结骨干，也试验全量微调。方法的价值在于已有模型可重新利用，而不是把残差适配器、前馈网络或协变量预测本身当作首创（第1—5页）。输入、输出模块拆分允许不同的信息可用条件，扩展到TimesFM和MOMENT说明接口有一定通用性；但每类骨干的分块和输出形式仍需专门处理。

证据与比较

作者同时构造三十二个合成数据集和十八个真实数据集，合成信号覆盖周期、趋势、噪声以及四类外生影响的加性或乘性组合。真实任务涉及电力、建筑、零售和出行，不能简单按数据集数量理解为十八个独立领域，其中能源占比高，不少集合只有一条序列。采用分位数损失与缩放绝对误差并报告逐数据集结果，这是比单一汇总胜率更有价值的证据（第5—7、15—18、22—24页）。真实任务相对WQL为0.878，优于表内NHiTS的0.926和PatchTSTx的0.932；但MASE为0.911，落后NBEATSx-G的0.898、NHiTS的0.902及PatchTSTx的0.905。合成简单任务中ChronosX的WQL为0.735，TFT为0.012，说明“适配能改善原模型”和“适配后达到最优”是两个不同命题。ETTh、M5、西班牙等任务也存在相对原Chronos退步，不能用几何平均掩盖。

基线包括传统方法、专用深度模型、预训练模型，并为PatchTST增加协变量输入，范围较好。但附录说明多数基线按默认参数运行而不做全局或逐数据集调参，本方法进行了学习率选择，这不是等搜索预算比较。预训练数据与训练成本亦非统一，原始无协变量基础模型用于衡量增量合理，却不足以证明新架构的公平优势。实际未来协变量是可提前获知的日历、计划，还是未来才观测到的负荷或天气，文中没有逐数据集列出完整可用性合同；不能直接认定泄漏，但部署前必须核查。验证窗口长度、滚动切分的精确日期及特征生成流程也需要配置文件补齐，正文说明不足以独立复建所有任务（第5、17—18页）。

消融与机制

消融是本文较强部分，包括去协变量、仅输入或输出注入、残差预测、全量微调、模型尺寸及适配器简化。真实任务去协变量的WQL为1.011，而完整方法为0.878，支持外生信息有贡献；但去掉投影也改变参数量，不是完全匹配的容量控制。更值得关注的是反例：简单合成任务仅输出模块WQL为0.182，而双模块为0.735；复杂任务相应为0.591与0.782。真实MASE也由双模块0.911降到仅输出的0.898。因此“输入输出同时注入总是更好”不成立，未来信息有时比改写历史表示更关键（第25—30页）。较大骨干在合成数据上改善，却在真实数据上不保证收益；简化一层适配器在复杂合成任务上也优于默认结构。这些边界值得保存，比统一的有效性叙述更能启发后续研究。作者把全量微调在真实数据上的退步解释为过拟合，合理但尚缺学习曲线、匹配正则化或样本量控制来排除其他原因。

稳定性、成本与复现

表格说明三随机种子取均值，但未给出充分的种子级标准差、配对区间或显著性分析，较小差异不应提升为稳定排序。第37—53页给出中位数预测和百分之八十区间的案例，可以观察偏差，却不能证明区间校准；仍缺覆盖率、异常冲击、缺失及协变量测量误差测试。效率图统计的是一次训练加测试的时间和可训练参数，冻结参数仍需存储与前向计算，不能等同于小模型推理成本，也没有完整计入学习率搜索、模型获取和端到端部署延迟（第13、19页）。

已读取论文链接的官方chronosx分支README，确认安装入口、数据配置路径、微调和评测示例存在，未安装或运行。一个可复现细节是README示例使用0.05间隔的十九个分位数，而论文指标采用0.1间隔的九个分位数，重现实验必须固定论文配置，不能直接用示例分数比较。分支内容未证明与本次arXiv版本逐字对应，数据、权重和完整脚本可运行性仍未知。下一步优先核查每列未来信息在预测时的可用性，等预算重调强协变量基线，再在同种子下比较仅输出模块和双模块；此顺序比继续扩大骨干更有信息价值。总体属于实用增量和良好实验资源方向，机制解释和通用最优性应保持克制。

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-0594 C路独立评审

版本与阅读记录

论文：ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

阅读版本：arXiv 2503.12107v1；首次公开：2025/03/15；本版日期：2025/03/15。发表记录：AISTATS 2025, PMLR v258 arango25a verified。不将不同版本视为逐字一致。

阅读记录开始：2026-11-08T02:30:24Z；完成与冻结：2026-11-08T02:34:22.728597+00:00。PDF共53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。

独立详评

本轮先查看旧材料入口，未见可重读的完整历史评语，因而不把历史筛选顺序当成质量证据。正文及随附附录共五十三页均已阅读。ChronosX 的研究问题很实际：预训练时间序列模型往往只接收目标变量，而真实业务预测需要节假日、价格、天气或其他外生信息。作者通过输入注入块和输出注入块，在保留预训练主干的条件下引入历史及未来协变量，并把方法扩展到 Chronos、TimesFM 和 MOMENT 三类不同主干。其价值在于可复用的接入方式和系统实验，不在于提出新的基础模型或完全免训练的预测器。适配器本身仍须在目标任务上学习，作者第九页也明确承认失去原模型的零样本属性。

技术结构清楚：输入侧在嵌入空间做残差修正，输出侧结合解码器状态、预测输出及协变量做残差修正。对于编码器、解码器和编码器解码器模型，接口的对应关系也有说明。主干冻结与全参数微调均被测试。这个设计没有明显的公式级矛盾，但以现有论文引用为限，尚不能断言其相对所有条件化适配器的原理创新程度。原始预测器加轻量条件模块是成熟思路，因此原创性主要落在时间序列预训练模型中的具体实现、通用接口和实验证据，而非残差适配本身。

证据规模是优点：三十二种合成设置由四种信号、四种外生过程和加法或乘法关系组合，另有十八个真实数据集，覆盖能源、零售及出行。真实任务的归一化几何平均加权分位数损失为零点八七八，相对 Chronos Small 有明确提升，而且优于表中其他方法的该项总体指标。但不能将此解释为全部指标或每个数据集都最好。其总体 MASE 为零点九一一，落后于 NBEATSx、NHiTS 和 PatchTSTx；M5、部分电力与 ETT 数据也出现不如原始主干的结果。合成任务中，TFT 或 PatchTSTx 在若干组别明显更好，说明从头训练的专用模型仍有竞争力。

机制消融相对扎实。无协变量但保留适配器的对照，有助于区分新增参数与新增信息的作用；仅隐状态、简单残差及不同非线性结构的比较，也显示完整接口在真实数据总体上有收益。不过无协变量版本删去了相关投影，并非严格等参数的安慰剂实验，仍可增加随机打乱协变量或无信息协变量对照。输入、输出注入的作用也不宜概括为两者同时使用总是最佳：输出注入单独使用在部分合成条件大幅优于双注入，真实数据 MASE 也略好于双注入。模块必要性依赖任务的信息结构，而不是由总平均损失自动证明。

最需要补清楚的是未来协变量的业务可得性。形式化任务明确假设未来输入可见，合成数据也满足该条件，因而不能凭变量名称指控泄漏。然而真实数据表及处理说明没有逐数据集交代每类变量在预测时点是否已经公布、是实测未来值还是提前预测值、是否有发布延迟。对于负荷和天气相关任务，这会影响结果能否部署，应把论文结论限定为所给未来信息条件下的性能。预训练数据与评估数据的重合也未在当前材料中独立审计，不应把所有对比都自动视为严格未知域测试。

比较覆盖许多经典、深度及基础模型，但训练预算不完全对称。作者对自身方法搜索三种学习率，许多基线采用默认设置；预训练主干所用数据和规模也不同。因此这里更像合理工程配置下的广泛比较，而非控制所有自由度的算法优越性证明。部分基线只产生点预测，而表格仍列出分位数损失，其确定性输出如何形成分位数需更明确。MASE 提供了有用补充，避免只凭概率模型擅长的指标下结论。三个随机种子求平均值得肯定，但大量表格没有标准差、配对置信区间或显著性分析；附录预测图中的百分之八十预测区间不是重复实验的误差条，也不能替代模型排名的不确定性估计。

复现材料提供官方仓库分支、主要隐藏维度、训练步数、验证选点规则及部分硬件说明，达到了可着手实现的程度。本次没有检查仓库内容或运行代码，因而资源可运行性仍属待验证。效率图记录训练加测试的平均时间和可更新参数量，支持冻结适配比全微调更便宜，却不能直接推出在线推理延迟、显存峰值或总模型存储降低到同样比例。预训练主干仍需要加载，历史预训练成本也不包含在适配成本内。

综合看，这是一篇具有直接工程价值、消融覆盖较好的适配研究。最可信的结论是，在明确给定外生变量且允许目标数据训练的条件下，冻结主干的轻量条件化可以有效改善多类预训练模型。后续优先补做发布时点审计、未来协变量噪声与缺失压力测试、等预算调参、等参数无信息对照和跨种子置信区间；这些比再增加几个总平均结果更能确定方法边界。未获得用户当前具体研究任务、算力和知识背景，故个人价值四维保留未知，不用论文通用价值代替个人适配度。

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-0594 独立评审 D

论文：ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

版本：arXiv 2503.12107v1；版本日期 2025/03/15。首次公开 2025/03/15。评审 2026-11-08。

冻结时间（UTC）：2026-11-08T02:36:44.100773+00:00

阅读记录：2026-11-08 UTC，先读legacy_reference_only.json（空records），再读arXiv v1全文53页：正文1–9、参考及清单10–12、附录13–36，各表标题和数值趋势及关键对照逐项核验，未逐格重新计算；37–53预测图逐页通过图像拼页视觉检查。阅读至冻结，未阅其他新评。

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

- 输入与输出残差注入让预训练模型接受过去及未来协变量；冻结适配与全量微调均可用。

- 真实数据概率指标提升明确，点指标、合成任务与不同骨干的收益有边界。

详细评审

本篇要解决的不是再训练一个更大的通用模型，而是已有预训练时间序列模型不能方便地接受业务协变量这一具体障碍。作者在历史输入嵌入和未来输出端分别加入残差式注入模块，既可冻结骨干只训练新增模块，也可全量微调。这样的接口设计实用，且不是只对一个模型写补丁：正文与附录还覆盖了解码器式 TimesFM 和编码器式 MOMENT。但残差适配、条件输入以及外生变量预测本身均有长期先例，本文的原创性应落在时序基础模型的统一适配与系统验证，不宜上升为新的预测原理。作者明确承认适配需要目标任务训练，失去纯零样本便利，这个边界是诚实且重要的。

实验规模有可取之处：三十二组可控合成数据和十八个现实数据集，同时比较原始骨干、全量微调、传统模型、任务专用深度模型及其他基础模型。真实任务主要集中能源，许多数据集仅一条序列；数据集数量不能等同十八类独立领域。合成协变量包括脉冲、阶跃、钟形和自回归信号，叠加或相乘于不同复杂度的基础信号，适合检验方法能否利用条件输入。但未来外生轨迹在这个生成环境中精确可得，未证明天气预报误差、协变量缺失或部署期统计变化下仍有相同收益。现实数据附录给出变量和切分信息，却不足以逐变量核对预测时刻的信息可得性；这属于证据待补，不能直接写成已发现泄漏。

评价同时使用九分位数的加权分位损失与中位预测的尺度化绝对误差，并按相对 Chronos Small 的几何均值汇总。真实数据的 ChronosX 加权分位损失为零点八七八，优于其他表列模型；但尺度化绝对误差为零点九一一，落后 NBEATSxG 的零点八九八、NHiTS 的零点九零二和 PatchTSTx 的零点九零五。因此支持的结论是概率预测适配有效，而非所有误差指标均最优。若只引用前一个榜单，就会丢掉实际决策所需的信息。表三也标明部分对手本来是点预测器，它们进入概率评分表时的处理应更明确；至少应将原生概率模型与点模型的比较分层说明。

合成结果反而很能界定贡献：简单生成场景下冻结 ChronosX 的相对分位损失约零点七三五，而 TFT 为零点零一二，DeepAR 为零点零二九；复杂场景 PatchTSTx 约零点一八八，也明显优于 ChronosX。这里的价值不是击败所有从头训练模型，而是在不改造大骨干的情况下增加协变量能力。全量微调在真实数据均值上甚至比原始 Chronos 更差，作者的小数据过拟合解释合理但仍是解释性假说，需要容量、训练时长或正则化对照才能隔离原因。

消融比一般模块堆叠文章扎实。去掉协变量但保留适配器的 NC 对照，能够区分部分额外参数收益；真实数据分位损失从一点零一一改善到零点八七八，支持协变量信息确有价值。简单的未来协变量线性残差 RS 为零点九四四，说明轻量方案已经能得到不少收益。输入与输出注入块的分拆还揭示了非单调性：简单合成场景仅输出块约零点一八二，双块约零点七三五；复杂场景也由输出块占优。真实数据双块在概率指标略优，点误差则输出块零点八九八优于双块零点九一一。因而双块不应被理解为普遍必须的组合，模块选择与未来信息、目标指标有关。大小骨干、非线性结构以及不同适配方式的附录结果进一步提高了可复用性。

公平性仍有明显折扣。自身学习率搜索和验证集选检查点有交代，但基线附录明确使用默认设置、未做数据集级或全局超参搜索。多库实现、不同上下文长度和既有预训练资源也使统一计算预算不存在。覆盖广泛不等于每个强基线都在同等调参条件下到达其最佳状态。深度方法重复三种子是优点，密集细表主要展示均值，缺少方差、置信区间或配对差异，使真实数据上几个百分点的领先可靠程度仍不清楚。预测图中的百分之九十分位区间描述的是预测分布，不是跨种子误差条，不能代替重复实验的不确定性。

复现信息包括训练步数、验证频率、模块宽度、硬件、数据出处、基线库与官方代码分支链接。本文未运行代码，也未确认该分支当前提交能复现本版全部表格，故资源可得性与实际复现成功分开评价。效率图报告平均训练及测试耗时和更新参数量，可支持冻结适配比全量微调便宜；它不是单次在线推理延迟测试，新增参数少也不意味着无需保存、加载四千六百万乃至更大骨干。预训练成本和多次调参的完整总账没有提供。总体上，这是一篇明确解决实用接口缺口、具有较好消融和广泛模型迁移证据的工作；优先学习其适配设计及条件对照，而不是把它当成普遍领先或低资源部署已经充分证明的结论。

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

- 旧历史records为空，完整旧评缺失。
- 未执行代码、训练、数据下载或推理；未验证代码分支当前可复现性。
- 现实协变量逐项的发布时间与预训练污染审计不足。
- 主表三种子均值不等于有跨种子置信区间；区间预测图也不能替代。
- 本次arXiv v1与PMLR终稿没有逐字比对。
- F组用户适配背景不足，全部未知。

详评正文汉字数：1554。未执行代码、训练、推理或复现。

ATT-0594 独立评审 E

论文：ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables

评判版本：arXiv 2503.12107v1；版本日期 2025/03/15；首次公开 2025/03/15。阅读完成时间（UTC）：2026-11-08T02:37:37.553688+00:00。全文 53 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

ChronosX解决的是一个明确而实际的缺口：预训练单变量时间序列模型已经学到目标序列的规律，但用户仍然拥有价格、天气、日历或其他历史与未来协变量，现成骨干却不能直接使用这些信息。论文不重新预训练整个模型，而是在输入嵌入和输出预测两个位置加入协变量条件残差块。对Chronos，输入块作用于量化token的嵌入，输出块作用于预测词表的logits；对TimesFM与MOMENT，作者改为相应的patch输入与点预测接口。这种接口设计的价值是低侵入、可复用，而不是创造了一类全新的基础模型。只训练适配块与更新全部骨干是两种不同设置，文中结果也清楚说明两者不能混为一谈。

我先读了本篇身份与历史记录，未获得完整旧评语或评分sidecar。随后阅读53页PDF的正文、附录说明、实验表格及定性图；对大量重复结果表进行了指标和汇总行核查，对最后17页示例图逐页查看。没有运行代码，没有把仓库链接视为已复现。这里评判的是2025年3月15日的arXiv v1，不自动等同于AISTATS发表版本。

方法在工程逻辑上成立。线性投影、拼接、ReLU前馈网络和残差连接使新信息能够修正既有表征与输出，冻结主干则减少可训练参数和小样本过拟合风险。论文没有给出复杂的最优性定理，因此主要判断应落在实验是否支持“有用且可插拔”，不应因为缺少理论而机械扣分。相反，所谓低成本需要限定为适配成本：冻结并不消除主干推理、权重存储或前向计算，尤其不能把百万级新增参数直接当成整个部署模型的大小。

证据覆盖面是本篇的长处。合成部分构造32种组合，用简单、复杂、带相位或噪声的目标信号，结合脉冲、台阶、钟形与自回归协变量，再区分加性与乘性关系；真实部分覆盖18个数据集，并比较Chronos、TimesFM、MOMENT及具备协变量能力的深度基线。三个基础模型接口均出现改进，使“只适用于某个token模型”的竞争解释较弱。真实数据的WQL几何均值以Chronos Small为1，ChronosX为0.878，优于表中其他方法；但MASE为0.911，低于其排名的强势程度，NBEATSx-G、NHiTS与PatchTSTx分别达到0.898、0.902与0.905。因此可支持的是概率预测指标上的竞争力，而不是所有精度指标全面领先。

论文也呈现了对主张有约束力的负结果。合成简单设置里，TFT的相对WQL为0.012，而冻结ChronosX为0.735，完整微调ChronosX为0.166；预训练并不保证胜过针对任务训练的模型。更值得关注的是输入块与输出块的消融：简单合成数据上仅OIB为0.182，双块反而为0.735；复杂合成数据同样仅OIB更好。真实数据双块WQL为0.878，只有OIB为0.889、只有IIB为0.901，双块的优势很小，而MASE只有OIB为0.898，优于双块0.911。这揭示了一个比“协变量有效”更具体的结论：未来信息进入输出层可能承担主要收益，历史适配并非总有正贡献，适配位置与任务生成机制有关。

无协变量NC版本与简单残差RS版本使归因更有说服力。真实数据NC的WQL为1.011，相比完整方法0.878明显较差，说明提升不只是额外前馈层微调带来的；简单线性残差为0.944，显示更丰富适配在真实任务上有增益。不过合成设置RS可能优于默认双块，因而消融支持“应该按数据机制选择适配方式”，不足以证明论文默认结构普遍必要。更大骨干和完整微调在真实数据上也未稳定胜出，这对使用者有用：规模扩大不能代替协变量质量和适配设计。

比较仍有几项重要限制。附录明确说任务基线采用默认超参数、没有全局或逐数据集搜索，而作者方法搜索学习率并使用验证窗口选最佳checkpoint，因此不能把排名完全归因于结构优越。大多数真实数据来自电力、建筑或相关领域，18个数据集并非18个独立应用域；按数据集取几何均值会让单序列数据集与M5的三万余条序列具有相同聚合权重，这是一种选择而非错误，但迁移解释应说明。协变量具体字段在预测当时是否可得、天气等是否采用事后真值还是现实可用预测，正文与附录未给出逐字段的完整来源和时点表；这不能据此断言泄漏，却是部署可用性的重要未决条件。合成实验中的未来协变量天然已知，不能替代这一核验。

稳定性方面，附录说明重复三次，表格提供均值，但未提供与这些汇总比较配套的方差、置信区间或逐种子结果。检查清单说报告了误差条，与主要结果展示并不充分吻合，因此0.878对0.889这类小差异不宜宣称显著。资源部分交代A10G、V100及CPU配置并给出训练加预测耗时图，但不同模型硬件和训练需求未完全等价；现有证据能支持冻结适配比完整微调更经济，不能推导出跨所有基线的统一成本优势。公开代码路径是积极信号，不过本次没有确认分支内容、固定依赖和全数据重建流程，研究资源可获得性保持暂定。

总体建议重点阅读其双位置协变量接口、冻结与完整微调的对照，以及仅输入、仅输出和简单残差的消融。最有启发性的后续问题不是继续堆叠更大骨干，而是厘清未来协变量的可预见程度、误差以及历史适配的负迁移如何决定方法选择。如果未来协变量在现实中不可靠，或者默认基线充分调参后差距消失，本篇关于部署收益和相对领先的外推会明显收窄，但其模块化接口仍然有独立复用价值。

完整24维评分

风险记录

- R01 重要，未核实条件：现实未来协变量的字段、可得时点与预测误差未逐一交代；不能将已知未来信息设置无条件推广到部署，也不能据此认定泄漏。（PDF 15—18）。
- R02 重要，已确认：作者方法学习率搜索而任务基线采用默认参数，限制相对最优排名的公平性。（PDF 5、18）。
- R03 局部，已确认：三种子结果主要呈现均值，无配套离散程度；双块小幅优势及细微排名不宜视为显著。（PDF 11—12、18、22—36）。

汇总与阅读建议

重点阅读：模块化协变量接口与适配位置消融；部署前先核验未来协变量可得性。已评分20/24维，F1—F4未知；无总分、无强制排序。重点位置：3—5页方法接口；7—9页消融及局限；17—19页数据与基线设置；25—36页完整消融表。

结构化数据见同目录 review.json。