Arjun Ashok, Mihir Parmar, Palash Goyal, Bhavana Dalvi Mishra, Chun-Liang Li, Irina Rish, Alexandre Drouin, Jinsung Yoon · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26582 · open-access PDF
Die jüngsten Zeit-Serie-Grundmodelle (TSFMs) können Covariates im Kontext verbrauchen und die Null-Shot-Prognose auf Probleme ausweiten, die durch externe Faktoren angetrieben werden. Dies ermöglicht die Szenario-Analyse: Vorhersagen, wie ein Ziel auf Ereignisse reagiert, die Covariates auf ausgewählte zukünftige Werte setzen. Ob sie dies zuverlässig tun können, ist eine offene Frage. Wir stellen WhatIf-Bench ein, einen Benchmark, der misst, wie gut Prognoseure Covariates verwenden, um die Reaktion eines Ziels auf zukünftige Ereignisse vorherzusagen. WhatIf-Bench ist halbsynthetisch: Zeitserien kommen aus mechanistischen Simulatoren von Rechenzentren, Stromnetzen
Machine translation (Meta M2M100); the English original follows.
Recent time series foundation models (TSFMs) can consume covariates in-context, extending zero-shot forecasting to problems driven by external factors. This enables scenario analysis: forecasting how a target responds to events that set covariates to chosen future values. Whether they can do this reliably is an open question. We introduce WhatIf-Bench, a benchmark measuring how well forecasters use covariates to forecast a target's response to future events. WhatIf-Bench is semi-synthetic: time series come from mechanistic simulators of data centers, power grids, road traffic, and water networ
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26582, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange