新上线今天0 投票
DoTime：面向干预与反事实时间序列的合成基准生成器
在医疗健康、政策评估和气候科学等关键领域，时间序列上的因果关系推断往往面临数据不足的困境。现有的基准数据集要么是观测性的，要么规模过小，要么局限于特定领域，难以支撑干预效应和反事实估计的研究。为此，研究者推出了 DoTime——一个开放、可扩展且具有理论基础的多元时间序列结构因果模型（TSCM）生成器，并已发布为 dotime PyPI 包，附带四个冻结的评估套件。
超越现有生成器的核心能力
DoTime 引入了多项此前生成器不具备的功能，例如连续时间干预窗口、带正性保障的反事实采样模式，以及作为中断时间序列严格推广的机制切换 SCM。此外，它通过切换 SCM 参数构造非平稳动态，并支持确定性斜坡和正弦干预曲线，使得趋势和结构断裂能够被置于评估窗口之内，从而更贴近真实应用场景。
大规模基准与验证
发布的数据集包含 100,000 条轨迹的训练规模快照，涵盖八种具名识别结构，每种结构都有精确的 ground truth：配对干预轨迹全程由同一 SCM 生成，连续时间套件中还包含共享噪声的反事实样本。研究者提供了参考基线实现和评估框架，并提出一个可证伪的主张：干预训练相比同容量的观测模型，能带来可测量的方向准确性优势。在三种训练种子下，针对保留片段的匹配结构评估中，干预先验拟合网络（PFN）的优势在所有结构、轨迹长度和种子上均为正。
对因果推断研究的启示
DoTime 的出现填补了时间序列因果推断基准的空白，不仅为方法评估提供了标准化的测试平台，还展示了作为因果基础模型先验的潜力。对于研究者和工程师而言，这意味着可以在统一框架下比较不同算法的性能，并探索干预数据在模型训练中的价值。若要深入了解，可参考 arXiv:2607.27263 论文及配套代码。